CN110991498A - 一种基于算法模型的识别方法、装置及系统 - Google Patents

Abstract

本发明公开了一种基于算法模型的识别方法、装置及系统，该识别方法包括：接收识别需求信息，所述识别需求信息包括算法模型的应用场景；根据所述识别需求信息，确定初始训练模型；接收训练数据；根据所述训练数据，对所述初始训练模型进行训练，得到满足识别需求的算法模型；基于所述算法模型对所述应用场景中的待检测数据进行识别，该方法通过算法模型对项目进行监管，不需要聘用专家，减少了监管成本，同时排除了人工监管的主观性，提高了项目监管的准确性。

Description

一种基于算法模型的识别方法、装置及系统

技术领域

本发明涉及人工智能领域，具体涉及一种基于算法模型的识别方法、装置及系统。

背景技术

为了保证人民生活安全、稳定，很多需要政府监管的项目，需要聘用多个相关领域专家对项目进行评判以判定监管的项目是否满足要求。但需要政府监管的项目较多，通过聘用专家进行监管的方式，增加了监管成本；同时通过人工进行项目监管，由于人工监管存在主观因素，降低了项目监管的准确性。

发明内容

因此，本发明要解决的技术问题在于克服相关技术中采用人工进行项目监管的方式成本高、准确率低的缺陷，从而提供一种基于算法模型的识别方法、装置及系统。

根据第一方面，本发明实施例公开了一种基于算法模型的识别方法，该方法的具体步骤包括：接收识别需求信息，所述识别需求信息包括算法模型的应用场景；根据所述识别需求信息，确定初始训练模型；接收训练数据；根据所述训练数据，对所述初始训练模型进行训练，得到满足识别需求的算法模型；基于所述算法模型对所述应用场景中的待检测数据进行识别。

结合第一方面，在第一方面第一实施方式中，所述根据所述训练数据，对所述初始训练模型进行训练，得到满足识别需求的算法模型之后，所述方法还包括：对所述算法模型进行集成处理，得到算法模型应用程序；将所述算法模型应用程序部署到服务器中。

结合第一方面第一实施方式，在第一方面第二实施方式中，所述对所述算法模型进行集成处理，得到算法模型应用程序，包括：接收对所述算法模型的评价结果；对满足预设条件的所述评价结果对应的所述算法模型进行集成处理，得到所述算法模型应用程序。

结合第一方面，在第一方面第三实施方式中，所述接收训练数据，包括：向数据处理终端发送所述识别需求信息；接收所述数据处理终端根据所述识别需求信息对原始训练数据的处理结果，得到所述训练数据。

根据第二方面，本发明实施例公开了一种基于算法模型的识别装置，该装置包括：第一接收模块，用于接收识别需求信息，所述识别需求信息包括算法模型的应用场景；确定模块，用于根据所述识别需求信息，确定初始训练模型；第二接收模块，用于接收训练数据；训练模块，用于根据所述训练数据，对所述初始训练模型进行训练，得到满足识别需求的算法模型；识别模块，用于基于所述算法模型对所述应用场景中的待检测数据进行识别。

结合第二方面，在第二方面第一实施方式中，所述训练模块还包括：处理模块，用于对所述算法模型进行集成处理，得到算法模型应用程序；部署模块，用于将所述算法模型应用程序部署到服务器中。

结合第二方面第一实施方式，在第二方面第二实施方式中，所述处理模块包括：接收模块，用于接收对所述算法模型的评价结果；处理子模块，用于对满足预设条件的所述评价结果对应的所述算法模型进行集成处理，得到所述算法模型应用程序。

结合第二方面，在第二方面第三实施方式中，所述第二接收模块包括：发送模块，用于向数据处理终端发送所述识别需求信息；第二接收子模块，用于接收所述数据处理终端根据所述识别需求信息对原始训练数据的处理结果，得到所述训练数据。

根据第三方面，本发明实施例公开了一种基于算法模型的识别系统，该系统包括：数据采集设备，用于采集原始数据；服务器，与所述数据采集设备连接，用于存储所述原始数据，对所述原始数据进行预处理，得到原始训练数据；数据处理终端，与所述服务器连接，用于对所述原始训练数据进行处理，得到训练数据；训练终端，分别与所述服务器、所述数据处理终端连接，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，所述处理器执行所述程序时实现上述第一方面或第一方面任一实施方式中所述的基于算法模型的识别方法的步骤。

根据第四方面，本发明实施例公开了一种可读计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述第一方面或第一方面任一实施方式中所述的基于算法模型的识别方法的步骤。

本发明实施例提供的技术方案具有如下优点：

本发明实施例提供的基于算法模型的识别方法，通过接收识别需求信息，根据识别需求信息，确定初始训练模型，根据接收到的训练数据，对初始训练模型进行训练，得到满足识别需求的算法模型，基于算法模型对应用场景中的待检测数据进行识别，通过利用训练得到的算法模型对项目进行监管，不需要聘用专家，减少了监管成本，同时排除了人工监管的主观性，提高了项目监管的准确性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1中一种基于算法模型的识别方法的流程图；

图2为本发明实施例1中一种基于算法模型的识别方法的流程图；

图3为本发明实施例1中一种基于算法模型的识别方法的流程图；

图4为本发明实施例1中一种基于算法模型的识别方法的流程图；

图5为本发明实施例2中一种基于算法模型的识别装置的流程图；

图6为本发明实施例2中一种基于算法模型的识别装置的框图；

图7为本发明实施例2中一种基于算法模型的识别装置的框图；

图8为本发明实施例2中一种基于算法模型的识别装置的框图；

图9为本发明实施例3中一种基于算法模型的识别系统的框图；

图10为本发明实施例3中训练终端的框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

为了保证人民生活安全、稳定，很多需要政府监管的项目，需要聘用多个相关领域专家对项目进行评判以判定监管的项目是否满足要求。但需要政府监管的项目较多，通过聘用专家进行监管的方式，增加了监管成本；同时通过人工进行项目监管，由于人工监管存在主观因素，降低了项目监管的准确性。为解决上述技术问题，本申请实施例提供了一种基于算法模型的识别方法，具体如下述实施例。

实施例1

本申请实施例提供了一种基于算法模型的识别方法，应用于终端中，如图1所示，该方法包括：

步骤S11，接收识别需求信息，识别需求信息包括算法模型的应用场景。

示例性地，该识别需求信息可以是用户通过有线或无线方式直接上传到终端中，也可以是在终端录入得到。本申请实施例对识别需求信息的接收方式不作限定，本领域技术人员可以根据实际使用确定。

该识别需求信息可以包括算法模型的应用场景，如该算法模型应用于语言识别场景、图像识别场景、文字识别场景。该识别需求信息还可以包括对该算法模型的识别准确率的要求，本申请实施例对该识别需求信息不作限定，本领域技术人员可根据实际使用需要确定。

步骤S12，根据识别需求信息，确定初始训练模型。

示例性地，该初始训练模型可以是预先根据不同的识别需求信息，已制定并存储在终端中，根据接收到的识别需求信息，匹配出相应场景对应的初始训练模型。也可以是将接收到识别需求信息，发送给相关领域的专家团队终端，接收专家团队终端根据该识别需求信息制定的初始训练模型。本申请实施例对该初始训练模型的确定方式不作限定，本领域技术人员可以根据实际需要确定。

步骤S13，接收训练数据。

示例性地，该训练数据可以是根据接收到识别需求信息，在存储有相应领域训练数据的终端或服务器中获取到；也可以是根据接收到的识别需求信息，在搜索引擎中搜索得到。本申请实施对训练数据的获取方式不作限定，本领域技术人员可以根据实际使用需要确定。

步骤S14，根据训练数据，对初始训练模型进行训练，得到满足识别需求的算法模型。

示例性地，根据训练数据，可以对初始训练模型进行有监督或无监督训练，本申请实施例对训练方式不作限定，本领域技术人员可以根据实际使用需要确定。该满足识别需求的算法模型可以是训练得到的算法模型的识别准确率满足识别要求，如对于人脸图像识别场景的识别要求是准确率大于95％，则通过训练数据不断对算法模型进行训练，直至识别准确率大于95％。

步骤S15，基于算法模型对应用场景中的待检测数据进行识别。

以应用场景为政府监管中的卫生监管为例对本申请实施例提供的方法进行说明。比如需要对餐厅的卫生情况进行监管，待检测数据可以是餐厅地面卫生情况，也可以是后厨厨具摆放整齐程度，本申请实施例对待检测数据的类型不作限定，本领域技术人员可以根据实际需要确定。以待检测数据为地面卫生情况为例，利用根据历史时长内获取到的多个地面图片对初始训练模型进行训练，将训练得到的算法模型对采集到的待检测的地面图片进行识别，根据算法模型的输出结果确定餐厅的地面卫生情况是否符合相关卫生标准。

本申请实施例提供的基于算法模型的识别方法，通过接收识别需求信息，根据识别需求信息，确定初始训练模型，根据接收到的训练数据，对初始训练模型进行训练，得到满足识别需求的算法模型，基于算法模型对应用场景中的待检测数据进行识别，该方法通过算法模型对项目进行监管，不需要聘用专家，减少了监管成本，同时排除了人工监管的主观性，提高了项目监管的准确性。

作为本申请一个可选实施方式，如图2所示，在步骤S14之后还包括：

步骤S01，对算法模型进行集成处理，得到算法模型应用程序。

示例性地，对算法模型进行集成处理，得到对应的应用程序的方式可以是使用WebAPI，将训练得到的算法模型集成到NET编写的应用程序中，得到算法模型应用程序。本申请实施例对得到算法模型应用程序的获取方式不作限定，本领域技术人员可以根据实际使用需要确定。

步骤S02，将算法模型应用程序部署到服务器中。

示例性地，将算法模型应用程序部署到服务器中的方式可以是当检测到算法模型应用程序集成处理完成后，将集成处理得到的算法模型应用程序直接上传到服务器中，当用户终端调用该应用程序时，向用户提供识别需求服务。本申请实施例对该算法模型应用程序部署到服务器中的方式不作限定，本领域技术人员可以根据实际使用需要确定。

作为本申请一个可选实施方式，如图3所示，步骤S01包括如下步骤：

S011，接收对算法模型的评价结果。

示例性地，对该算法模型的评价结果可以是提出识别需求的用户，对训练得到的算法模型使用后上传的；也可以是专家团队对训练得到的算法模型的稳定性、准确性进行评价后上传到终端的；也可以是用户和专家团队统一上传的。本申请实施例对该评价结果的获取方式不作限定，本领域技术人员可以根据实际使用需要确定。

S012，对满足预设条件的评价结果对应的算法模型进行集成处理，得到算法模型应用程序。

示例性地，该预设条件可以是评价结果中，相关评价用户对算法模型的识别准确率给出好评的数量占所有评价用户的比例。如有10个用户对该算法模型的准确率进行评价，给出好评的用户的数量大于8个，则可以对该算法模型进行集成处理，得到算法模型应用程序。本申请实施例对预设条件不作限定，本领域技术人员可以根据实际使用需要确定。

作为本申请一个可选实施方式，如图4所示，步骤S13包括：

S131，向数据处理终端发送识别需求信息。

S132，接收数据处理终端根据识别需求信息对原始训练数据的处理结果，得到训练数据。

示例性地，为了可以进一步提高对算法模型的训练效率，可以将接收到的识别需求信息发送给数据处理终端，使得数据处理终端根据接收到的识别需求信息对原始训练数据进行处理，得到训练数据。

数据处理终端根据识别需求信息对原始训练数据的处理方式可以将所有原始训练数据调整为满足目标条件的数据。如训练数据为图像，数据处理终端可以将用于训练的图像样本的像素、尺寸等数据统一调整为同一像素、同一尺寸；如训练数据为语音，数据处理终端可以将用于训练的语音样本的音频长度调整为同一时长；数据处理终端根据识别需求信息对原始训练数据的处理方式也可以是包括数据分类/筛选、数据校验评估和数据内容提取。如数据分类/筛选可以包括图片类型分类、有效语音筛选等；数据校验评估可以包括文本语法校验、图片相关性校验等；数据内容提取可以包括文本关键字提取、图片文字提取等。本申请实施例对数据处理终端对训练数据的处理方式不作限定，本领域技术人员可以根据实际使用需要确定。

实施例2

本发明实施例提供一种基于算法模型的识别装置，如图5所示，包括：

第一接收模块21，用于接收识别需求信息，识别需求信息包括算法模型的应用场景。具体实现方式见实施例1中步骤S11，在此不再赘述。

确定模块22，用于根据识别需求信息，确定初始训练模型。具体实现方式见实施例1中步骤S12，在此不再赘述。

第二接收模块23，用于接收训练数据。具体实现方式见实施例1中步骤S13，在此不再赘述。

训练模块24，用于根据训练数据，对初始训练模型进行训练，得到满足识别需求的算法模型。具体实现方式见实施例1中步骤S14，在此不再赘述。

识别模块25，用于基于算法模型对应用场景中的待检测数据进行识别，具体实现方式见实施例1中步骤S15，在此不再赘述。

本发明实施例提供的基于算法模型的识别装置，通过接收识别需求信息，根据识别需求信息，确定初始训练模型，根据接收到的训练数据，对初始训练模型进行训练，得到满足识别需求的算法模型，基于算法模型对应用场景中的待检测数据进行识别，该方法通过算法模型对项目进行监管，不需要聘用专家，减少了监管成本，同时排除了人工监管的主观性，提高了项目监管的准确性。

作为本申请一个可选实施方式，如图6所示，训练模块24还包括：

处理模块01，用于对算法模型进行集成处理，得到算法模型应用程序。具体实现方式见实施例1中步骤S01，在此不再赘述。

部署模块02，用于将算法模型应用程序部署到服务器中。具体实现方式见实施例1中步骤S02，在此不再赘述。

作为本申请一个可选实施方式，如图7所示，处理模块01包括：

接收模块011，用于接收对算法模型的评价结果。具体实现方式见实施例1中步骤S011，在此不再赘述。

处理子模块012，用于对满足预设条件的评价结果对应的算法模型进行集成处理，得到算法模型应用程序。具体实现方式见实施例1中步骤S012，在此不再赘述。

作为本申请一个可选实施方式，如图8所示，第二接收模块23包括：

发送模块231，用于向数据处理终端发送识别需求信息。具体实现方式见实施例1中步骤S131，在此不再赘述。

第二接收子模块232，用于接收数据处理终端根据识别需求信息对原始训练数据的处理结果，得到训练数据。具体实现方式见实施例1中步骤S132，在此不再赘述。

实施例3

本发明实施例提供一种基于算法模型的识别系统30，如图9所示，包括数据采集设备301、服务器302、数据处理终端303和训练终端304。

数据采集设备301，用于采集原始数据。

示例性地，该数据采集设备可以是智能数据感知终端、物联网传感器等其他可以实现对数据的智能采集、录入的设备。本申请实施例对该数据采集设备不作限定，本领域技术人员可以根据实际使用需要确定。

服务器302，与数据采集设备301连接，用于存储原始数据，对原始数据进行预处理，得到原始训练数据。

示例性地，服务器存储数据的方式可以是消息队列、列式数据库等，可结合具体数据选取不同存储方式，本申请实施例对服务器的存储方式不作限定。为了防止丢失，可以对原始数据进行持久化存储。对原始数据预处理的方式可以包括对原始数据进行格式转化、字段补充、字段删减等，本身申请实施例对服务器的预处理方式不作限定。

服务器设置多个接口，通过该接口可用来连接各种接入设备和服务器的后端，该接入设备可以包括手机、平板电脑、PC机等，使得接入设备通过接口调用服务器中的算法模型应用程序。通过该接口也可接收数据采集装备采集的原始数据。

数据处理终端303，与服务器302连接，用于对原始训练数据进行处理，得到训练数据，数据处理终端根据训练终端提供的识别需求信息对原始训练数据进行处理，得到适合进行模型训练的训练数据，将生成的训练数据发送到服务器，对训练数据进行存储，使得训练终端可以从服务器中获取训练数据。

数据处理终端对原始训练数据进行处理的方式可以包括数据分类/筛选、数据校验评估和数据内容提取。本申请实施例对数据处理终端的处理方式不作限定，如数据分类/筛选可以包括图片类型分类、有效语音筛选等；数据校验评估可以包括文本语法校验、图片相关性校验等；数据内容提取可以包括文本关键字提取、图片文字提取等。

训练终端304，分别与服务器302、数据处理终端303连接，如图10所示，包括存储器41、处理器42及存储在存储器上并可在处理器上运行的计算机程序，处理器42执行程序时实现上述实施例中基于算法模型的识别方法的步骤。

实施例4

本发明实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于算法模型的识别方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于算法模型的识别方法，其特征在于，包括：

接收识别需求信息，所述识别需求信息包括算法模型的应用场景；

根据所述识别需求信息，确定初始训练模型；

接收训练数据；

根据所述训练数据，对所述初始训练模型进行训练，得到满足识别需求的算法模型；

基于所述算法模型对所述应用场景中的待检测数据进行识别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述训练数据，对所述初始训练模型进行训练，得到满足识别需求的算法模型之后，所述方法还包括：

对所述算法模型进行集成处理，得到算法模型应用程序；

将所述算法模型应用程序部署到服务器中。

3.根据权利要求2所述的方法，其特征在于，所述对所述算法模型进行集成处理，得到算法模型应用程序，包括：

接收对所述算法模型的评价结果；

对满足预设条件的所述评价结果对应的所述算法模型进行集成处理，得到所述算法模型应用程序。

4.根据权利要求1所述的方法，其特征在于，所述接收训练数据，包括：

向数据处理终端发送所述识别需求信息；

接收所述数据处理终端根据所述识别需求信息对原始训练数据的处理结果，得到所述训练数据。

5.一种基于算法模型的识别装置，其特征在于，包括：

第一接收模块，用于接收识别需求信息，所述识别需求信息包括算法模型的应用场景；

确定模块，用于根据所述识别需求信息，确定初始训练模型；

第二接收模块，用于接收训练数据；

训练模块，用于根据所述训练数据，对所述初始训练模型进行训练，得到满足识别需求的算法模型；

识别模块，用于基于所述算法模型对所述应用场景中的待检测数据进行识别。

6.根据权利要求5所述的装置，其特征在于，所述训练模块还包括：

处理模块，用于对所述算法模型进行集成处理，得到算法模型应用程序；

部署模块，用于将所述算法模型应用程序部署到服务器中。

7.根据权利要求6所述的装置，其特征在于，所述处理模块包括：

接收模块，用于接收对所述算法模型的评价结果；

处理子模块，用于对满足预设条件的所述评价结果对应的所述算法模型进行集成处理，得到所述算法模型应用程序。

8.根据权利要求5所述的装置，其特征在于，所述第二接收模块包括：

发送模块，用于向数据处理终端发送所述识别需求信息；

第二接收子模块，用于接收所述数据处理终端根据所述识别需求信息对原始训练数据的处理结果，得到所述训练数据。

9.一种基于算法模型的识别系统，其特征在于，包括：

数据采集设备，用于采集原始数据；

服务器，与所述数据采集设备连接，用于存储所述原始数据，对所述原始数据进行预处理，得到原始训练数据；

数据处理终端，与所述服务器连接，用于对所述原始训练数据进行处理，得到训练数据；

训练终端，分别与所述服务器、所述数据处理终端连接，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，所述处理器执行所述程序时实现权利要求1-4任一项所述的基于算法模型的识别方法的步骤。

10.一种可读计算机存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-4任一项所述的基于算法模型的识别方法的步骤。

Images