[发明专利]一种人工智能自动训练方法、系统、装置及存储介质

权利要求书

1.一种人工智能自动训练方法，其特征在于，包括以下步骤：

接收上传的样本数据，并对样本数据进行人工或自动化辅助标注；所述自动化辅助标注为根据样本数据类型利用已有模型实现样本数据自动标注；所述自动标注基于用户上传样本数据时选择的样本数据类型实现，样本数据基于通过校核的标注信息应用于模型训练；所述自动化辅助标注包括输变电图像标注、安监视频标注以及文本信息标注；所述输变电图像标注包括对输变电图像中的以下至少一个目标对象的标注：异物、绝缘子、细小金具或导地线；安监视频标注包括对安监视频中至少一个目标对象的标注：越线闯入、未戴安全帽、未穿工装、吸烟、未携带正确工具、人脸识别、未佩戴绝缘手套或带电设备附近用非绝缘物品；文本信息标注包括对文本信息中的以下至少一个目标对象的标注：电力设备、线路、变电站、组织机构、地点或人名；

根据样本数据的标注信息，选择与所述标注信息对应的目标业务领域；

根据所述目标业务领域，从与所述目标业务领域对应的模型训练任务中选择目标模型训练任务；

根据所述目标模型训练任务匹配目标深度学习模型；

针对所述目标深度学习模型，进行自动化模型训练和参数预训练；

根据模型训练任务类型和评价方法，实现自动化模型评价。

2.根据权利要求1所述的人工智能自动训练方法，其特征在于，所述样本数据通过本地上传或服务器上传。

3.根据权利要求1所述的人工智能自动训练方法，其特征在于，所述业务领域包括运检业务、调度业务、安监业务以及营销业务；运检业务对应图像识别、声纹识别以及知识图谱的模型训练任务；调度业务对应知识图谱构建、文本分析、语音识别以及语音合成的模型训练任务；安监业务对应视频分析的模型训练任务，营销业务对应语音识别、情感分析以及知识图谱的模型训练任务。

4.根据权利要求1所述的人工智能自动训练方法，其特征在于，所述深度学习模型的自动化模型训练和参数训练的具体方法如下：

针对卷积神经网络，采用基于搜索空间正则化的方法进行自动化模型训练和参数预训练；

针对循环神经网络，采用基于搜索空间正则化的方法进行自动化模型训练和参数预训练；

针对图卷积神经网络，采用基于信息传递机制的方法进行自动化模型训练和参数预训练。

5.根据权利要求1所述的人工智能自动训练方法，其特征在于，所述根据所述目标模型训练任务匹配目标学习模型，包括：

确定目标模型训练任务的类型；

若所述目标模型训练任务的类型为图像类，确定目标深度学习模型为卷积神经网络；

若所述目标模型训练任务的类型为自然语言处理类，确定目标深度学习模型为循环神经网络；

若所述目标模型训练任务的类型为语音识别类，确定目标深度学习模型为图卷积神经网络。

6.根据权利要求4所述的人工智能自动训练方法，其特征在于，所述采用基于搜索空间正则化的方法进行自动化模型训练和参数预训练，包括：

将搜索空间松弛为连续、可微分的函数；

基于梯度下降算法进行网络结构搜索。