[发明专利]自主学习方法、装置、电子设备及机器可读存储介质

说明书

本申请提供一种自主学习方法、装置、电子设备及机器可读存储介质，该方法包括：当确定满足自主学习触发条件时，收集当期训练数据；依据所述当期训练数据、历史高价值样本，以及获取到的有标签数据，对第一模型进行在线训练，得到第二模型；依据所述第二模型对所述第一模型进行更新。该方法可以实现模型的持续进化，并在保证模型对新数据的处理性能的情况下，有效缓解模型对旧知识的遗忘。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种自主学习方法、装置、电子设备及机器可读存储介质。

背景技术

视频监控中的智能分析自主学习系统是指能够使用用户现场的无标签数据进行自主学习，持续提升线上模型场景泛化能力的智能系统。

传统的自主学习系统一般不具备持续学习能力，一方面导致端侧硬件训练资源的浪费，另一方面，无法应对线上分布的持续变化，导致一次自主学习过后，性能出现逐渐退化的现象。

发明内容

有鉴于此，本申请提供一种自主学习方法、装置、电子设备及机器可读存储介质，以应对线上数据分布的持续变化，优化模型性能。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种自主学习方法，包括：

当确定满足自主学习触发条件时，收集当期训练数据；所述当期训练数据包括目标时间点之前的第一预设时长内产生的无标签数据，和/或，目标时间点之后的第二预设时长内产生的无标签数据；所述目标时间点为确定满足自主学习触发条件的时间点；

依据所述当期训练数据、历史高价值样本，以及获取到的有标签数据，对第一模型进行在线训练，得到第二模型；其中，所述第一模型为当前使用的模型，所述历史高价值样本为当前使用的模型的历史自主学习过程中，在自主学习前后的模型上的输出结果差异大于预设阈值的样本；

依据所述第二模型对所述第一模型进行更新。

根据本申请实施例的第二方面，提供一种自主学习装置，包括：

确定单元，用于确定是否满足自主学习触发条件；

数据收集单元，用于当所述确定单元确定满足自主学习触发条件时，收集当期训练数据；所述当期训练数据包括目标时间点之前的第一预设时长内产生的无标签数据，和/或，目标时间点之后的第二预设时长内产生的无标签数据；所述目标时间点为确定满足自主学习触发条件的时间点；

训练单元，用于依据所述当期训练数据、历史高价值样本，以及获取到的有标签数据，对第一模型进行在线训练，得到第二模型；其中，所述第一模型为当前使用的模型，所述历史高价值样本为当前使用的模型的历史自主学习过程中，在自主学习前后的模型上的输出结果差异大于预设阈值的样本；

更新单元，用于依据所述第二模型对所述第一模型进行更新。

根据本申请实施例的第三方面，提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现第一方面提供的方法。

根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现第一方面提供的方法。

本申请提供的技术方案至少可以带来以下有益效果：

通过在确定满足自主学习触发条件的情况下，收集当前时间点之前的第一预设时长内产生的无标签数据，和/或，当前时间点之后的第二预设时长的内产生的无标签数据，并以收集到的无标签数据为当期训练数据，依据该当前训练数据、历史高价值样本，以及获取到的有标签数据，对第一模型进行在线训练，并依据训练得到的第二模型更新第一模型，实现了模型的持续进化，并在保证模型对新数据的处理性能的情况下，有效缓解模型对旧知识的遗忘。