CN116844183A - 一种模型训练的方法、装置、存储介质及电子设备 - Google Patents

Abstract

本说明书公开了一种模型训练的方法、装置、存储介质和电子设备，获取用户发送的待识别证件图像，将所述待识别证件图像输入预先训练的字符识别模型，获得第一字符识别结果，判断所述用户是否修改所述第一字符识别结果，若是，则获取所述修改后的字符识别结果，作为第二字符识别结果，根据所述第二字符识别结果，对所述字符识别模型进行训练。本方法通过用户修改后的识别结果对模型进行训练，提高了模型输出结果的准确性。

Description

一种模型训练的方法、装置、存储介质及电子设备

技术领域

本说明书涉及机器学习，尤其涉及一种模型训练的方法、装置、存储介质及电子设备。

背景技术

随着智能识别技术的发展，人们可以通过机器学习训练出的各类文字提取模型提取图像中的文字，例如，利用用户手机拍摄的照片及文字提取模型，提取照片中包含的文字，其中，该文字可能包含用户的隐私。

在提取图像中的文字时，通常是将用户发送的图像输入训练好的文字提取模型中。但在进行模型训练时，使用的训练样本的可能存在图像模糊、关键文字遮挡等问题，例如，图像中关键信息的位置存在反光或被拍摄者手部遮挡。那么，由于训练样本的质量较低，因此，利用该训练样本训练出的模型得到的识别结果的准确性较低。此外，对模型进行训练时，需要花费大量时间及计算资源获取训练样本及训练样本的标签。

基于此，本说明书提供一种模型训练的方法。

发明内容

本说明书提供一种模型训练的方法、装置、存储介质及电子设备，以至少部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供一种模型训练的方法，包括：

获取用户发送的待识别证件图像；

将所述待识别证件图像输入预先训练的字符识别模型，获得第一字符识别结果；

判断所述用户是否修改所述第一字符识别结果；

若是，则获取所述修改后的字符识别结果，作为第二字符识别结果；

根据所述第二字符识别结果，对所述字符识别模型进行训练。

可选地，获取用户发送的待识别证件图像，具体包括：

响应于用户发送的业务请求，向所述用户返回用于输入用户信息的页面；

响应于所述用户在所述页面中执行的上传操作，获取所述用户发送的待识别证件图像。

可选地，判断所述用户是否修改所述第一字符识别结果，具体包括：

将所述第一字符识别结果添加至所述页面中用于输入所述用户信息的位置，并展示；

判断所述用户是否修改添加至所述位置的用户信息。

可选地，根据所述第二字符识别结果，对所述字符识别模型进行训练，具体包括：

确定当前时刻所在周期；

若当前周期的结束时刻到来，获取当前周期内的所有第二字符识别结果及与所述第二字符识别结果对应的待识别证件图像；

将所述待识别证件图像作为训练样本，所述第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

可选地，根据所述第二字符识别结果，对所述字符识别模型进行训练，具体包括：

确定未被用于模型训练的第二字符识别结果的数量；

当所述数量达到预设阈值时，将与所述未被用于模型训练的第二字符识别结果对应的待识别证件图像作为训练样本，所述未被用于模型训练的第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

可选地，根据所述第二字符识别结果，对所述字符识别模型进行训练，具体包括：

将所述第二字符识别结果作为所述待识别证件图像的标签，并确定所述第一字符识别结果与所述标签的差异；

以减小所述差异为训练目标，对所述字符识别模型进行训练。

可选地，所述方法还包括：

若所述用户未修改所述第一字符识别结果，则根据所述第一字符识别结果，执行所述业务请求对应的业务；

若所述用户修改所述第一字符识别结果，则根据所述第二字符识别结果，执行所述业务请求对应的业务。

本说明书提供了一种模型训练的装置，所述装置包括：

图像获取模块，用于获取用户发送的待识别证件图像；

第一字符识别结果获取模块，用于将所述待识别证件图像输入预先训练的字符识别模型，获得第一字符识别结果；

判断模块，用于判断所述用户是否修改所述第一字符识别结果；

第二字符识别结果获取模块，用于若是，则获取所述修改后的字符识别结果，作为第二字符识别结果；

训练模块，用于根据所述第二字符识别结果，对所述字符识别模型进行训练。

可选地，所述图像获取模块具体用于，响应于用户发送的业务请求，向所述用户返回用于输入用户信息的页面；响应于所述用户在所述页面中执行的上传操作，获取所述用户发送的待识别证件图像

可选地，所述判断模块具体用于，将所述第一字符识别结果添加至所述页面中用于输入所述用户信息的位置，并展示；判断所述用户是否修改添加至所述位置的用户信息。

可选地，所述训练模块具体用于，确定当前时刻所在周期；若当前周期的结束时刻到来，获取当前周期内的所有第二字符识别结果及与所述第二字符识别结果对应的待识别证件图像；将所述待识别证件图像作为训练样本，所述第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

可选地，所述训练模块具体用于，确定未被用于模型训练的第二字符识别结果的数量；当所述数量达到预设阈值时，将与所述未被用于模型训练的第二字符识别结果对应的待识别证件图像作为训练样本，所述未被用于模型训练的第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

可选地，所述训练模块具体用于，将所述第二字符识别结果作为所述待识别证件图像的标签，并确定所述第一字符识别结果与所述标签的差异；以减小所述差异为训练目标，对所述字符识别模型进行训练。

可选地，所述装置还包括：

业务执行模块，用于若所述用户未修改所述第一字符识别结果，则根据所述第一字符识别结果，执行所述业务请求对应的业务；若所述用户修改所述第一字符识别结果，则根据所述第二字符识别结果，执行所述业务请求对应的业务。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述模型训练的方法。

本说明书提供了一种电子设备，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，所述处理器执行所述程序时实现上述模型训练的方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

从本说明书提供的模型训练的方法可以看出，由于对模型进行训练时，需要花费大量时间及计算资源获取训练样本及训练样本的标签，且获取的训练样本的质量影响模型训练完成后输出的结果的准确性。因此，通过获取用户在请求执行业务时发送的图像，得到高质量的训练样本，即待识别证件图像。由于经用户修改后的识别结果的准确性比未经用户修改的识别结果的准确性高，因此，获取用户修改后的识别结果，通过用户修改后的识别结果对模型进行训练，提高了模型输出结果的准确性。此外，通过获取用户修改后的识别结果，则无需再对训练样本进行标注，提高了获取用于模型训练的标签的效率，节约了模型训练的成本。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附

图中：

图1为本说明书提供的一种模型训练的方法的流程示意图；

图2为本说明书提供的一种模型训练的装置示意图；

图3为本说明书提供的对应于图1的电子设备示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本申请保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书提供的一种模型训练的方法的流程示意图，具体包括以下步骤：

S100：获取用户发送的待识别证件图像。

通过机器学习可训练出可实现各类功能的模型，比如字符识别模型，在识别字符时，仅需将待识别的图像输入字符识别模型即可识别出待识别的图像中的字符。根据模型得到的输出结果的准确性通常与训练模型所用到的训练样本的质量相关，即在训练字符识别模型时，若训练样本的质量较低，可能导致根据该训练样本训练出的字符识别模型在实际应用时，输出的识别结果准确性较低。其中，训练样本的质量包括图像的清晰度、图像中包含的信息的完整性等。此外，对模型进行训练时，需要花费大量时间及计算资源获取训练样本及训练样本的标签。因此，本说明书提供一种模型训练的方法，在本说明书实施例中的执行主体可以是对模型进行训练的服务器，也可以是用于执行用户请求的业务的其他电子设备，本说明书对此不作限制。为了方便说明，下面以服务器为执行主体进行说明。

在本说明书一个或多个实施例中，根据用户的需求，服务器可能需要执行相关业务。执行该业务可能需要对图像中的字符进行识别操作。例如，某一业务可能存在风险，需要对用户进行身份验证，则需要获取用户的身份信息。或者用户在网上消费时，需要重复填写个人信息。

在获取用户信息时，服务器响应于用户发送的业务请求，可向该用户提供信息填写页面，即响应于用户发送的业务请求，向该用户返回用于输入用户信息的页面。用户可手动输入个人信息至该页面，也可选择拍摄证件图像，以使服务器自动填写用户信息。当用户选择拍摄证件图像时，响应于该用户在该页面中执行的上传操作，服务器获取该用户发送的待识别证件图像，以便后续服务器根据用户提供的待识别证件图像，进行识别操作。

例如，用户进行身份认证时，用户拍摄身份证图像，并将该身份证图像发送至服务器，服务器接收该用户发送的身份证图像，以便后续执行身份认证业务。

用户在网上消费，重复填写个人信息时，例如，用户在使用购物软件A时已经填写过个人的住址、手机号等信息，在使用购物软件B时，由于用户为购物软件B的新用户，购物软件B中未存储用户的个人信息，因此，用户在使用购物软件B时仍需要填写个人的住址、手机号等信息。那么，用户可使用任一具有截图功能的工具将购物软件A中已保存的个人信息进行截取，并在购物软件B中进行识别，可实现自动填写个人信息。当然，用户也可拍摄购物软件A中保存的个人信息。

需要说明的是，由于待识别证件图像为执行业务时所获取的，因此，若用户发送的待识别证件图像不符合业务要求，则可向用户发送重新上传图像的提示信息，以获取符合业务要求的待识别证件图像。业务要求包括图像的大小、清晰度、图像信息完整度等等。可根据不同业务，设置不同的业务要求，本说明对此不做限制。此外，本说明书并不限制用户所要执行的业务的类型，只要该业务涉及识别图像中的字符即可，本说明书也不限制图像的类型，图像可为各类截图工具截取的截图，也可为相机等各类图像采集设备获取的图像。

S102：将所述待识别证件图像输入预先训练的字符识别模型，获得第一字符识别结果。

S104：判断所述用户是否修改所述第一字符识别结果，若是，执行步骤S106，否则，执行步骤S108。

为了后续能顺利执行用户请求执行的业务，服务器需要判断该字符识别模型输出的第一字符识别结果是否准确，若不准确，则需要获取准确的识别结果，才能继续执行业务。但模型上线后，服务器无法判断模型的输出结果是否准确，因此，服务器可将该第一字符识别结果展示给用户，通过用户对该第一字符识别结果的操作，判断该第一字符识别结果是否准确。即获取第一字符识别结果之后，服务器可将该第一字符识别结果添加至该页面中用于输入该用户信息的位置，并展示。用户若判断该第一字符识别结果不正确，则可修改展示的第一字符识别结果，若判断该第一字符识别结果正确，则不修改展示的第一字符识别结果，因此，服务器可判断该用户是否修改添加至该位置的用户信息，进而判断第一字符识别结果的准确性。也就是说，若该用户修改添加至该位置的用户信息，则该第一字符识别结果不准确，执行步骤S106。若该用户不修改添加至该位置的用户信息，则该第一字符识别结果准确，执行步骤S108。

S106：获取所述修改后的字符识别结果，作为第二字符识别结果。

由于经用户修改后的识别结果的准确性比未经用户修改的识别结果的准确性高，因此，可获取该用户修改后的字符识别结果，作为第二字符识别结果，以利用该第二字符识别结果，对该字符识别模型进行训练，提高该字符识别模型的准确性。

S108：根据所述第一字符识别结果，执行用户请求执行的业务。

将所述第一字符识别结果展示给用户后，用户可判断该第一字符识别结果是否正确，若正确，则用户不会修改该第一字符识别结果，那么，服务器可根据该第一字符识别结果，执行用户发送的业务请求对应的业务。即若该用户未修改该第一字符识别结果，则根据该第一字符识别结果，执行该业务请求对应的业务。

S110：根据所述第二字符识别结果，对所述字符识别模型进行训练。

由于每次模型部署上线及下线过程需要消耗较多计算资源和人力成本。那么，若每获取一个第二字符识别结果，就对模型进行训练，则成本较高。因此，服务器可根据周期，对模型进行训练。

具体的，服务器确定当前时刻所在周期，若当前周期的结束时刻到来，获取当前周期内的所有第二字符识别结果及与该第二字符识别结果对应的待识别证件图像。将该待识别证件图像作为训练样本，该第二字符识别结果作为该待识别证件图像的标签，对该字符识别模型进行训练。其中，由于服务器已经获得第二字符识别结果，可根据该第二字符识别结果继续执行业务，则表明与该第二字符识别结果对应的待识别证件图像符合业务要求。也就是说，与该第二字符识别结果对应的待识别证件图像的质量较高，可作为模型的训练样本。

在对该字符识别模型进行训练时，针对每个待识别证件图像，确定该待识别证件图像的该第一字符识别结果与该待识别证件图像的标签的差异，以减小该差异为训练目标，对该字符识别模型进行训练。

基于图1所示的模型训练的方法可以看出，由于对模型进行训练时，需要花费大量时间及计算资源获取训练样本及训练样本的标签，且获取的训练样本的质量影响模型训练完成后输出的结果的准确性。因此，通过获取用户在请求执行业务时发送的图像，得到高质量的训练样本，即待识别证件图像。由于经用户修改后的识别结果的准确性比未经用户修改的识别结果的准确性高，因此，获取用户修改后的识别结果，通过用户修改后的识别结果对模型进行训练，提高了模型输出结果的准确性。此外，通过获取用户修改后的识别结果，则无需再对训练样本进行标注，提高了获取用于模型训练的标签的效率，节约了模型训练的成本。

针对步骤S102，预先训练的字符识别模型的训练过程为常规模型的训练过程，常规模型的训练技术已发展较为成熟，本说明书不再赘述。

针对步骤S110，服务器还可根据该第二字符识别结果的数量，对该字符识别模型进行训练。

具体的，服务器确定未被用于模型训练的第二字符识别结果的数量，当该数量达到预设阈值时，将与该未被用于模型训练的第二字符识别结果对应的待识别证件图像作为训练样本，该未被用于模型训练的第二字符识别结果作为该待识别证件图像的标签，对该字符识别模型进行训练。

在执行步骤S106之后，则服务器可确定该第一字符识别结果并不正确，为了业务能继续执行，服务器可根据步骤S106获取的第二字符识别结果，执行该用户发送的业务请求对应的业务。即若该用户修改该第一字符识别结果，则根据该第二字符识别结果，执行该业务请求对应的业务。

沿用步骤S100中身份认证的例子，用户若未修改服务器自动识别出的用户的个人信息，则在身份认证时，直接使用服务器自动识别出的用户的个人信息进行认证。若用户修改了服务器自动识别出的用户的个人信息，则使用用户修改后的个人信息进行认证。

由于对模型进行训练时，需要花费大量时间及计算资源获取训练样本及训练样本的标签，且获取的训练样本的质量影响模型训练完成后输出的结果的准确性。因此，通过获取用户在请求执行业务时拍摄的图像，获取高质量的训练样本，即待识别证件图像。将识别结果展示给用户后，若用户修改识别结果，则识别结果不正确。那么，当识别结果不正确时，由于经用户修改后的识别结果的准确性比未经用户修改的识别结果的准确性高，因此，获取用户修改后的识别结果，通过用户修改后的识别结果对模型进行训练，提高了模型输出结果的准确性。此外，通过获取用户修改后的识别结果，则无需再对训练样本进行标注，提高了获取用于模型训练的标签的效率，节约了模型训练的成本。

以上为本说明书的一个或多个实施例提供的模型训练的方法，基于同样的思路，本说明书还提供了相应的模型训练的装置，如图2所示。

图2本说明书提供的一种模型训练的装置示意图，所述装置包括：

图像获取模块200，用于获取用户发送的待识别证件图像；

第一字符识别结果获取模块202，用于将所述待识别证件图像输入预先训练的字符识别模型，获得第一字符识别结果；

判断模块204，用于判断所述用户是否修改所述第一字符识别结果；

第二字符识别结果获取模块206，用于若是，则获取所述修改后的字符识别结果，作为第二字符识别结果；

训练模块208，用于根据所述第二字符识别结果，对所述字符识别模型进行训练。

可选地，所述图像获取模块200具体用于，响应于用户发送的业务请求，向所述用户返回用于输入用户信息的页面；响应于所述用户在所述页面中执行的上传操作，获取所述用户发送的待识别证件图像

可选地，所述判断模块204具体用于，将所述第一字符识别结果添加至所述页面中用于输入所述用户信息的位置，并展示；判断所述用户是否修改添加至所述位置的用户信息。

可选地，所述训练模块208具体用于，确定当前时刻所在周期；若当前周期的结束时刻到来，获取当前周期内的所有第二字符识别结果及与所述第二字符识别结果对应的待识别证件图像；将所述待识别证件图像作为训练样本，所述第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

可选地，所述训练模块208具体用于，确定未被用于模型训练的第二字符识别结果的数量；当所述数量达到预设阈值时，将与所述未被用于模型训练的第二字符识别结果对应的待识别证件图像作为训练样本，所述未被用于模型训练的第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

可选地，所述训练模块208具体用于，将所述第二字符识别结果作为所述待识别证件图像的标签，并确定所述第一字符识别结果与所述标签的差异；以减小所述差异为训练目标，对所述字符识别模型进行训练。

可选地，所述装置还包括：

业务执行模块210，用于若所述用户未修改所述第一字符识别结果，则根据所述第一字符识别结果，执行所述业务请求对应的业务；若所述用户修改所述第一字符识别结果，则根据所述第二字符识别结果，执行所述业务请求对应的业务。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的模型训练的方法。

本说明书还提供了图3所示的电子设备的结构示意图。如图3所示，在硬件层面，该无人驾驶设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的模型训练的方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (16)

1.一种模型训练的方法，所述方法包括：

获取用户发送的待识别证件图像；

将所述待识别证件图像输入预先训练的字符识别模型，获得第一字符识别结果；

判断所述用户是否修改所述第一字符识别结果；

若是，则获取所述修改后的字符识别结果，作为第二字符识别结果；

根据所述第二字符识别结果，对所述字符识别模型进行训练。

2.如权利要求1所述的方法，获取用户发送的待识别证件图像，具体包括：

响应于用户发送的业务请求，向所述用户返回用于输入用户信息的页面；

响应于所述用户在所述页面中执行的上传操作，获取所述用户发送的待识别证件图像。

3.如权利要求2所述的方法，判断所述用户是否修改所述第一字符识别结果，具体包括：

将所述第一字符识别结果添加至所述页面中用于输入所述用户信息的位置，并展示；

判断所述用户是否修改添加至所述位置的用户信息。

4.如权利要求1所述的方法，根据所述第二字符识别结果，对所述字符识别模型进行训练，具体包括：

确定当前时刻所在周期；

若当前周期的结束时刻到来，获取当前周期内的所有第二字符识别结果及与所述第二字符识别结果对应的待识别证件图像；

将所述待识别证件图像作为训练样本，所述第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

5.如权利要求1所述的方法，根据所述第二字符识别结果，对所述字符识别模型进行训练，具体包括：

确定未被用于模型训练的第二字符识别结果的数量；

当所述数量达到预设阈值时，将与所述未被用于模型训练的第二字符识别结果对应的待识别证件图像作为训练样本，所述未被用于模型训练的第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

6.如权利要求1所述的方法，根据所述第二字符识别结果，对所述字符识别模型进行训练，具体包括：

将所述第二字符识别结果作为所述待识别证件图像的标签，并确定所述第一字符识别结果与所述标签的差异；

以减小所述差异为训练目标，对所述字符识别模型进行训练。

7.如权利要求3所述的方法，所述方法还包括：

若所述用户未修改所述第一字符识别结果，则根据所述第一字符识别结果，执行所述业务请求对应的业务；

若所述用户修改所述第一字符识别结果，则根据所述第二字符识别结果，执行所述业务请求对应的业务。

8.一种模型训练的装置，所述装置包括：

图像获取模块，用于获取用户发送的待识别证件图像；

第一字符识别结果获取模块，用于将所述待识别证件图像输入预先训练的字符识别模型，获得第一字符识别结果；

判断模块，用于判断所述用户是否修改所述第一字符识别结果；

第二字符识别结果获取模块，用于若是，则获取所述修改后的字符识别结果，作为第二字符识别结果；

训练模块，用于根据所述第二字符识别结果，对所述字符识别模型进行训练。

9.如权利要求8所述的装置，所述图像获取模块具体用于，响应于用户发送的业务请求，向所述用户返回用于输入用户信息的页面；响应于所述用户在所述页面中执行的上传操作，获取所述用户发送的待识别证件图像。

10.如权利要求9所述的装置，所述判断模块具体用于，将所述第一字符识别结果添加至所述页面中用于输入所述用户信息的位置，并展示；判断所述用户是否修改添加至所述位置的用户信息。

11.如权利要求8所述的装置，所述训练模块具体用于，确定当前时刻所在周期；若当前周期的结束时刻到来，获取当前周期内的所有第二字符识别结果及与所述第二字符识别结果对应的待识别证件图像；将所述待识别证件图像作为训练样本，所述第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

12.如权利要求8所述的装置，所述训练模块具体用于，确定未被用于模型训练的第二字符识别结果的数量；当所述数量达到预设阈值时，将与所述未被用于模型训练的第二字符识别结果对应的待识别证件图像作为训练样本，所述未被用于模型训练的第二字符识别结果作为所述待识别证件图像的标签，对所述字符识别模型进行训练。

13.如权利要求8所述的装置，所述训练模块具体用于，将所述第二字符识别结果作为所述待识别证件图像的标签，并确定所述第一字符识别结果与所述标签的差异；以减小所述差异为训练目标，对所述字符识别模型进行训练。

14.如权利要求8所述的装置，所述装置还包括：

业务执行模块，用于若所述用户未修改所述第一字符识别结果，则根据所述第一字符识别结果，执行所述业务请求对应的业务；若所述用户修改所述第一字符识别结果，则根据所述第二字符识别结果，执行所述业务请求对应的业务。

15.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。

16.一种电子设备，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，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。