一種模型處理方法、裝置、存儲介質及電子設備制造方法及圖紙

本說明書公開了一種模型處理方法、裝置、存儲介質及電子設備，其中，方法包括：通過將初始圖像處理模型部署至目標事務場景中的至少一個客戶端，從客戶端獲取針對所述初始圖像處理模型的至少一個圖像處理樣本對，圖像處理樣本對包括輸入圖像數據和模型輸出數據，基于至少一個圖像處理樣本對對初始圖像處理模型進行模型校準處理生成圖像處理模型，然后基于圖像處理模型對目標事務場景進行事務處理。像處理模型對目標事務場景進行事務處理。像處理模型對目標事務場景進行事務處理。

【技術實現步驟摘要】
一種模型處理方法、裝置、存儲介質及電子設備


[0001]本申請涉及計算機
，尤其涉及一種模型處理方法、裝置、存儲介質及電子設備。

技術介紹

[0002]隨著計算機技術的快速發展，采用圖像處理模型對諸如圖像識別、圖像分類、圖像分割以及圖像隱私保護等實際事務場景中的待處理圖像進行圖像處理的應用越來越廣泛，在使用圖像處理模型之前，需要先對圖像處理模型進行訓練；
[0003]在圖像處理模型的訓練過程中，通過收集訓練數據，基于訓練數據對圖像處理模型進行線下訓練，待訓練完成后將訓練好的圖像處理模型部署到實際事務場景中進行圖像處理。

技術實現思路

[0004]本說明書提供了一種模型處理方法、裝置、存儲介質及電子設備，所述技術方案如下：
[0005]第一方面，本說明書提供了一種模型處理方法，應用于服務平臺，所述方法包括：
[0006]將初始圖像處理模型部署至目標事務場景中的至少一個客戶端，從所述客戶端獲取針對所述初始圖像處理模型的至少一個圖像處理樣本對，所述圖像處理樣本對包括輸入圖像數據和模型輸出數據；
[0007]基于所述至少一個圖像處理樣本對對所述初始圖像處理模型進行模型校準處理，生成圖像處理模型；
[0008]基于所述圖像處理模型對所述目標事務場景進行事務處理。
[0009]第二方面，本說明書提供了一種模型處理方法，應用于客戶端，所述方法包括：
[0010]從服務平臺獲取初始圖像處理模型，將所述初始圖像處理模型部署至目標事務場景中；
[0011]基于所述初始圖像處理模型對輸入圖像數據進行模型處理得到模型輸出數據；
[0012]基于所述輸入圖像數據和模型輸出數據生成圖像處理樣本對，將所述圖像處理樣本對發送至服務平臺，以使所述服務平臺基于至少一個所述圖像處理樣本對對所述初始圖像處理模型進行模型校準處理生成圖像處理模型，并基于所述圖像處理模型對所述目標事務場景進行事務處理。
[0013]第三方面，本說明書提供了一種模型處理裝置，所述裝置包括：
[0014]樣本獲取模塊，用于將初始圖像處理模型部署至目標事務場景中的至少一個客戶端，從所述客戶端獲取針對所述初始圖像處理模型的至少一個圖像處理樣本對，所述圖像處理樣本對包括輸入圖像數據和模型輸出數據；所述初始圖像處理模型為線下針對所述線上事務場景模型訓練生成的圖像處理模型；
[0015]模型生成模塊，用于基于所述至少一個圖像處理樣本對對所述初始圖像處理模型
進行模型校準處理，生成圖像處理模型；
[0016]模型更新模塊，用于基于所述圖像處理模型對所述目標事務場景進行事務處理。
[0017]第四方面，本說明書提供了一種模型處理裝置，所述裝置包括：
[0018]模型部署模塊，用于從服務平臺獲取初始圖像處理模型，將所述初始圖像處理模型部署至目標事務場景中；
[0019]模型處理模塊，用于基于所述初始圖像處理模型對輸入圖像數據進行模型處理得到模型輸出數據；
[0020]樣本發送模塊，用于基于所述輸入圖像數據和模型輸出數據生成圖像處理樣本對，將所述圖像處理樣本對發送至服務平臺，以使所述服務平臺基于至少一個所述圖像處理樣本對對所述初始圖像處理模型進行模型校準處理生成圖像處理模型，并基于所述圖像處理模型對所述目標事務場景進行事務處理。
[0021]第五方面，本說明書提供一種計算機存儲介質，所述計算機存儲介質存儲有多條指令，所述指令適于由處理器加載并執行上述的方法步驟。
[0022]第六方面，本說明書提供一種計算機程序產品，所述計算機程序產品存儲有多條指令，所述指令適于由處理器加載并執行上述的方法步驟。
[0023]第七方面，本說明書提供一種電子設備，可包括：處理器和存儲器；其中，所述存儲器存儲有計算機程序，所述計算機程序適于由所述處理器加載并執行上述的方法步驟。
[0024]本說明書一些實施例提供的技術方案帶來的有益效果至少包括：
[0025]在本說明書一個或多個實施例中，服務平臺通過將初始圖像處理模型部署至目標事務場景中的至少一個客戶端進行模型試運行，客戶端會基于初始圖像處理模型對目標事務場景下的輸入圖像數據進行圖像處理得到模型輸出數據，基于此服務平臺可以從客戶端收集針對初始圖像處理模型的至少一個圖像處理樣本對，然后采用圖像處理樣本對對初始圖像處理模型進行模型校準處理生成圖像處理模型，然后可以基于該圖像處理模型對所述目標事務場景進行事務處理。模型校準后的圖像處理模型可以抵抗訓練數據和實際線上數據的分布差異，具有良好的模型魯棒性，實現了模型處理過程的優化，有效的增強了模型上線目標事務場景后的穩定性以及場景泛化能力。
附圖說明
[0026]為了更清楚地說明本說明書或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0027]圖1是本說明書提供的一種模型處理系統的場景示意圖；
[0028]圖2是本說明書提供的另一種模型處理方法的流程示意圖；
[0029]圖3是本說明書提供的另一種模型處理方法的流程示意圖；
[0030]圖4是本說明書提供的另一種模型處理方法的流程示意圖；
[0031]圖5是本說明書提供的另一種模型處理方法的流程示意圖；
[0032]圖6是本說明書提供的一種模型處理裝置的結構示意圖；
[0033]圖7是本說明書提供的一種樣本獲取模塊的結構示意圖；
[0034]圖8是本說明書提供的一種模型生成模塊的結構示意圖；
[0035]圖9是本說明書提供的一種結構調整單元的結構示意圖；
[0036]圖10是本說明書提供的另一種模型處理裝置的結構示意圖；
[0037]圖11是本說明書提供的一種電子設備的結構示意圖；
[0038]圖12是本說明書提供的另一種電子設備的結構示意圖；
[0039]圖13是本說明書提供的操作系統和用戶空間的結構示意圖；
[0040]圖14是圖13中安卓操作系統的架構圖；
[0041]圖15是圖13中IOS操作系統的架構圖。
具體實施方式
[0042]下面將結合本說明書中的附圖，對本說明書中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。
[0043]在本申請的描述中，需要理解的是，術語“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對重要性。在本申請的描述中，需要說明的是，除非另有明確的規定和限定，“包括”和“具有”以及它們任何變形，意圖在于覆蓋不排他的包含。例如包含了一系列步驟或單元的過程、方法、系統、產品本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種模型處理方法，應用于服務平臺，所述方法包括：將初始圖像處理模型部署至目標事務場景中的至少一個客戶端，從所述客戶端獲取針對所述初始圖像處理模型的至少一個圖像處理樣本對，所述圖像處理樣本對包括輸入圖像數據和模型輸出數據；基于所述至少一個圖像處理樣本對對所述初始圖像處理模型進行模型校準處理，生成圖像處理模型；基于所述圖像處理模型對所述目標事務場景進行事務處理。2.根據權利要求1所述的方法，所述將初始圖像處理模型部署至線上事務場景中的至少一個客戶端，從所述客戶端獲取針對所述初始圖像處理模型的至少一個圖像處理樣本對，包括：對目標事務場景進行模型線下訓練，得到訓練完成的參考圖像處理模型；將所述參考圖像處理模型作為初始圖像處理模型部署至目標事務場景中的至少一個客戶端，以使所述客戶端基于所述初始圖像處理模型對所述目標事務場景中輸入圖像數據進行處理得到模型輸出數據；接收至少一個所述客戶端發送的圖像處理樣本對，所述圖像處理樣本對包括所述輸入圖像數據和所述模型輸出數據。3.根據權利要求1所述的方法，所述基于所述至少一個圖像處理樣本對所述初始圖像處理模型進行模型校準處理，生成圖像處理模型，包括：對所述至少一個圖像處理樣本對進行校驗篩選處理，得到至少一個圖像處理正常樣本對和圖像處理異常樣本對；基于所述圖像處理正常樣本對和所述圖像處理異常樣本對對所述初始圖像處理模型進行結構調整處理，得到參考圖像處理模型；采用所述圖像處理正常樣本對對所述參考圖像處理模型進行模型微調處理，生成圖像處理模型。4.根據權利要求3所述的方法，所述對所述至少一個圖像處理樣本對進行校驗篩選處理，得到至少一個圖像處理正常樣本對和圖像處理異常樣本對，包括：基于圖像處理規范對所述至少一個圖像處理樣本對進行校驗篩選處理，以確定與圖像處理規范匹配的至少一個圖像處理正常樣本對，以及與所述圖像處理規范不匹配的至少一個圖像處理正常樣本對。5.根據權利要求3所述的方法，所述基于所述圖像處理正常樣本對和所述圖像處理異常樣本對對所述初始圖像處理模型進行結構調整處理，得到參考圖像處理模型，包括：基于所述圖像處理正常樣本對和所述圖像處理異常樣本對，確定針對所述初始圖像處理模型的性能評估參數；基于所述性能評估參數確定針對所述初始圖像處理模型的模型網絡調整層；基于所述模型網絡調整層對所述初始圖像處理模型進行結構調整處理，得到參考圖像處理模型。6.根據權利要求5所述的方法，所述基于所述圖像處理正常樣本對和所述圖像處理異常樣本對，確定針對所述初始圖像處理模型的性能評估參數，包括：獲取所述圖像處理異常樣本對的第一數量，以及所述圖像處理正常樣本對的第二數
量；確定所述初始圖像處理模型的模型運行時間；基于所述第一數量、所述第二數量以及所述模型運行時間，確定樣本累計速率，將所述樣本累計速率作為針對所述初始圖像處理模型的性能評估參數；所述樣本累計速率符合以下公式：v＝(N1/N2)/t其中，v為所述樣本累計速率，N1為所述第一數量，N2為所述第二數量，t為所述模型運行時間。7.根據權利要求5所述的方法，所述基于所述性能評估參數確定針對所述初始圖像處理模型的模型網絡調整層，包括：獲取針對所述性能評估參數的至少一個評估參考閾值；基于所述至少一個評估參考閾值以及所述性能評估參數，確定針對所述初始圖像處理模型的至少一個模型網絡調整層；所述基于所述模型網絡調整層對所述初始圖像處理模型進行結構調整處理，得到參考圖像處理模型，包括：將所述至少一個模型網絡調整層加入所述初始圖像處理模型中，得到參考圖像處理模型。8.根據權利要求7所述的方法，所述至少一個評估參考閾值至少包括第一參考閾值和第二參考閾值，所述基于所述至少一個評估參考閾值以及所述性能評估參數，確定針對所述初始圖像處理模型的至少一個模型網絡調整層，包括：若所述性能評估參數小于所述第一參考閾值，則確定第一數量的模型網絡調整層；若所述性能評估參數大于或等于所述第一參考閾值且小于或等于所述第二參考閾值，則確定第二數量的模型網絡調整層；若所述性能評估參數大于所述第二參考閾值，則確定第三數量的模型網絡調整層。9.根據權利要求7所述的方法，所述初始圖像處理模型至少包括圖像編碼網絡，所述模型網絡調整層為全連接層，所述將所述至少一個模型網絡調整層加入所述初始圖像處理模型中，得到參考圖像處理模型，包括：將所述至少一個全連接層與所述圖像編碼網絡相連接，得到參考圖像處理模型。10.根據權利要求3所述的方法，所述圖像處理正常樣本對包括參考輸入圖像數據和參考模型輸出數據，所述采用所述圖像處理正常樣本對對所述參考圖像處理模型進行模型微調處理，生成圖像處理模型，包括：通過所述參考圖像處理模型對所述參考模型輸出數據進行特征提取，得到圖像參考特征；基于所述參考輸入圖像數據和所述圖像參考特征，得到訓練樣本數據；基于所述訓練樣本數據和所述參考模型輸出數據對所述參考圖像處理模型進行模型訓練，得到訓練后的圖像處理模型。
11.根據權利要求10所述的方法，所述參考圖像處理模型至少包括圖像解碼網絡，所述通過所述參考圖...

【專利技術屬性】
技術研發人員：曹佳炯，丁菁汀，
申請(專利權)人：支付寶杭州信息技術有限公司，
類型：發明
國別省市：