[发明专利]图像识别模型的训练方法、装置及设备

说明书

本说明书实施例提供一种图像识别模型的训练方法、装置及设备；其中，该方法利用初始数据集确定出训练数据集后，循环执行以下步骤直到图像识别模型满足模型性能条件：利用训练数据集对图像识别模型进行训练；所述训练数据集包括多张训练图像，每张所述训练图像对应有图像类别；利用训练后的图像识别模型对多张验证图像进行分类识别，并将识别结果与所述验证图像的实际图像类别进行对比；基于对比结果确定出相似的至少两个图像类别后，将文本相似度满足相似度条件的图像类别合并为一个图像类别，将合并后的数据集确定为新的训练数据集。

技术领域

本说明书实施例涉及图像分类识别技术领域，尤其涉及图像识别模型的训练方法、装置及设备。

背景技术

在计算机视觉领域，图像分类识别可以说是最基础、最常见的一个问题。图像分类识别方案大多采用机器学习模型的方式实现，因此，如何训练得到一个准确率较好的模型，成为亟待解决的技术问题。

发明内容

为克服相关技术中存在的问题，本说明书实施例提供了图像识别模型的训练方法、装置及设备。

根据本说明书实施例的第一方面，提供一种图像识别模型的训练方法，所述方法包括：

利用初始数据集确定出训练数据集后，循环执行以下步骤直到图像识别模型满足模型性能条件：

利用训练数据集对图像识别模型进行训练；所述训练数据集包括多张训练图像，每张所述训练菜品图像对应有图像类别；

利用训练后的图像识别模型对多张验证图像进行分类识别，并将识别结果与所述验证图像的实际图像类别进行对比；

基于对比结果确定出相似的至少两个图像类别后，将文本相似度满足相似度条件的图像类别合并为一个图像类别，将合并后的数据集确定为新的训练数据集。

根据本说明书实施例的第二方面，提供一种图像识别模型的训练装置，所述装置包括：

数据集处理模块，用于：利用初始数据集确定出训练数据集；

训练模块，用于：循环执行以下处理直到图像识别模型满足模型性能条件：

利用训练数据集对图像识别模型进行训练；所述训练数据集包括多张训练图像，每张所述训练菜品图像对应有图像类别；

利用训练后的图像识别模型对多张验证图像进行分类识别，并将识别结果与所述验证图像的实际图像类别进行对比；

基于对比结果确定出相似的至少两个图像类别后，将文本相似度满足相似度条件的图像类别合并为一个图像类别，将合并后的数据集确定为新的训练数据集。

根据本说明书实施例的第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现前述图像识别模型的训练方法。

本说明书的实施例提供的技术方案可以包括以下有益效果：

本说明书实施例中，由于训练数据集质量较差，例如图像类别较多，图像类别未规范化等问题，训练数据集训练得到的模型，在利用验证数据集评估其性能时，会出现模型的识别准确率尚未达到较好标准的现象，而此种现象的产生正是由于训练数据集质量较低造成的，因此本实施例在模型尚未达到较好标准时，利用模型对验证数据集的识别结果对训练数据集进行优化，之后利用优化的训练数据集再次对模型进行训练，通过数据的迭代优化来迭代训练模型，从而逐渐提高模型的准确度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本说明书根据一示例性实施例示出的一种图像识别模型的训练方法的流程图。

图2A是本说明书根据一示例性实施例示出的一种数据预处理的示意图。