本申請(qǐng)屬于機(jī)器學(xué)習(xí)，具體涉及一種模型生成方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著智能設(shè)備在包括視頻監(jiān)控在內(nèi)的諸多領(lǐng)域得到廣泛應(yīng)用，對(duì)智能設(shè)備的算力需求也隨之增長(zhǎng)。但是如果將智能算法都部署在云端，必然導(dǎo)致成本的提升，因此很多智能算法部分或者全部部署在設(shè)備端，形成端+云或端邊云的系統(tǒng)。

2、然而設(shè)備端硬件的算力一般都比較低，要求設(shè)備端模型的參數(shù)量比較低(如參數(shù)量<1m)。由于模型參數(shù)量低會(huì)導(dǎo)致模型的能力低，無法學(xué)習(xí)全量的數(shù)據(jù)，不能適應(yīng)復(fù)雜多變的全場(chǎng)景，因此，現(xiàn)有技術(shù)需要根據(jù)場(chǎng)景及時(shí)對(duì)模型進(jìn)行更新，以提升設(shè)備端模型的能力。現(xiàn)有技術(shù)中模型更新一般是在發(fā)現(xiàn)模型效果不理想后通過收集相關(guān)場(chǎng)景的數(shù)據(jù)，在已有的數(shù)據(jù)中加入收集的數(shù)據(jù)進(jìn)行重訓(xùn)練，然后再更新模型。但是由于模型小、數(shù)據(jù)分布的方差大等原因，使得算法的效果不能達(dá)到預(yù)期。

技術(shù)實(shí)現(xiàn)思路

1、鑒于此，本申請(qǐng)的目的在于提供一種模型生成方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以提高終端設(shè)備的設(shè)備模型的精確度。

2、第一方面，本申請(qǐng)實(shí)施例提供了一種模型生成方法，所述方法包括：獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)基于云端模型對(duì)目標(biāo)終端設(shè)備的場(chǎng)景數(shù)據(jù)的標(biāo)注結(jié)果構(gòu)建得到，所述場(chǎng)景數(shù)據(jù)為終端設(shè)備在對(duì)應(yīng)的使用場(chǎng)景內(nèi)所收集的數(shù)據(jù)，所述場(chǎng)景數(shù)據(jù)包括圖像數(shù)據(jù)，所述云端模型使用多個(gè)終端設(shè)備的場(chǎng)景數(shù)據(jù)訓(xùn)練第一預(yù)設(shè)模型得到；使用所述樣本數(shù)據(jù)訓(xùn)練第二預(yù)設(shè)模型，得到設(shè)備模型，所述第一預(yù)設(shè)模型的模型參數(shù)多于所述第二預(yù)設(shè)模型的模型參數(shù)。

3、上述模型生成方法，使用目標(biāo)終端設(shè)備專屬場(chǎng)景的數(shù)據(jù)進(jìn)行模型訓(xùn)練，實(shí)現(xiàn)了設(shè)備模型的定制化，提高了設(shè)備模型的精確度，并且使用云端大模型進(jìn)行樣本構(gòu)建，無需人工干預(yù)，節(jié)約了成本。

4、在本申請(qǐng)一個(gè)可選實(shí)施例中，所述使用所述樣本數(shù)據(jù)訓(xùn)練第二預(yù)設(shè)模型，包括：使用所述樣本數(shù)據(jù)分別訓(xùn)練教師基礎(chǔ)模型和所述第二預(yù)設(shè)模型，得到教師模型和學(xué)生模型；比較所述教師模型和所述學(xué)生模型對(duì)所述樣本數(shù)據(jù)中驗(yàn)證樣本的識(shí)別結(jié)果；若所述教師模型的識(shí)別結(jié)果與所述學(xué)生模型的識(shí)別結(jié)果的差值大于預(yù)設(shè)閾值，基于所述教師模型和所述樣本數(shù)據(jù)，采用蒸餾算法對(duì)所述第二預(yù)設(shè)模型進(jìn)行訓(xùn)練，得到所述設(shè)備模型。

5、上述實(shí)施例中，對(duì)第二預(yù)設(shè)模型訓(xùn)練完成的模型進(jìn)行對(duì)比，及時(shí)判斷模型的訓(xùn)練效果，并且在模型效果差時(shí)使用蒸餾算法，通過相對(duì)較少的計(jì)算成本重新將第二預(yù)設(shè)訓(xùn)練為與教師性能接近的較小模型。

6、在本申請(qǐng)一個(gè)可選實(shí)施例中，所述方法還包括：若所述教師模型的識(shí)別結(jié)果與所述學(xué)生模型的識(shí)別結(jié)果的差值小于所述預(yù)設(shè)閾值，則確定所述學(xué)生模型為所述設(shè)備模型。

7、在本申請(qǐng)一個(gè)可選實(shí)施例中，所述方法還包括：使用所述云端模型對(duì)所述目標(biāo)終端設(shè)備的場(chǎng)景數(shù)據(jù)中每一特征數(shù)據(jù)進(jìn)行標(biāo)注，得到多個(gè)標(biāo)注結(jié)果；基于各個(gè)特征數(shù)據(jù)及對(duì)應(yīng)的標(biāo)注結(jié)果構(gòu)建樣本，得到所述樣本數(shù)據(jù)。

8、在本申請(qǐng)一個(gè)可選實(shí)施例中，所述方法還包括：依據(jù)所述目標(biāo)終端設(shè)備的運(yùn)行環(huán)境對(duì)所述設(shè)備模型進(jìn)行轉(zhuǎn)換；將轉(zhuǎn)換后的設(shè)備模型下發(fā)至所述目標(biāo)終端設(shè)備。

9、在本申請(qǐng)一個(gè)可選實(shí)施例中，所述目標(biāo)終端設(shè)備內(nèi)包括一個(gè)初始設(shè)備模型，所述初始設(shè)備模型通過所述多個(gè)終端設(shè)備的場(chǎng)景數(shù)據(jù)訓(xùn)練所述第三預(yù)設(shè)模型得到，所述第一預(yù)設(shè)模型的模型參數(shù)多于所述第三預(yù)設(shè)模型的模型參數(shù)。

10、上述實(shí)施例中，預(yù)先使用多場(chǎng)景數(shù)據(jù)訓(xùn)練一個(gè)初始模型，終端設(shè)備能夠先行通過初始設(shè)備模型完成部分任務(wù)，減少了終端設(shè)備獲得模型的時(shí)間，降低了使用成本。

11、在本申請(qǐng)一個(gè)可選實(shí)施例中，所述方法還包括：將所述設(shè)備模型下發(fā)至所述目標(biāo)終端設(shè)備，以使所述目標(biāo)終端設(shè)備將所述初始設(shè)備模型替換為所述設(shè)備模型。

12、第二方面，本申請(qǐng)實(shí)施例提供了一種模型生成裝置，所述裝置包括：獲取模塊，用于獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)基于云端模型對(duì)目標(biāo)終端設(shè)備的場(chǎng)景數(shù)據(jù)的標(biāo)注結(jié)果構(gòu)建得到，所述場(chǎng)景數(shù)據(jù)為終端設(shè)備在對(duì)應(yīng)的使用場(chǎng)景內(nèi)所收集的數(shù)據(jù)，所述場(chǎng)景數(shù)據(jù)包括圖像數(shù)據(jù)，所述云端模型使用多個(gè)終端設(shè)備的場(chǎng)景數(shù)據(jù)訓(xùn)練第一預(yù)設(shè)模型得到；訓(xùn)練模塊，用于使用所述樣本數(shù)據(jù)訓(xùn)練第二預(yù)設(shè)模型，得到設(shè)備模型，所述第一模型的模型參數(shù)多于所述第二模型的模型參數(shù)。

13、第三方面，本申請(qǐng)實(shí)施例提供了一種電子設(shè)備，所述電子設(shè)備執(zhí)行第一方面中任一項(xiàng)所述的方法。

14、第四方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器運(yùn)行時(shí)，執(zhí)行第一方面中任一項(xiàng)所述的方法。

15、本申請(qǐng)的其他特征和優(yōu)點(diǎn)將在隨后的說明書闡述。本申請(qǐng)的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

技術(shù)特征：

1.一種模型生成方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述使用所述樣本數(shù)據(jù)訓(xùn)練第二預(yù)設(shè)模型，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)終端設(shè)備內(nèi)包括一個(gè)初始設(shè)備模型，所述初始設(shè)備模型通過所述多個(gè)終端設(shè)備的場(chǎng)景數(shù)據(jù)訓(xùn)練所述第三預(yù)設(shè)模型得到，所述第一預(yù)設(shè)模型的模型參數(shù)多于所述第三預(yù)設(shè)模型的模型參數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：

8.一種模型生成裝置，其特征在于，所述裝置包括：

9.一種電子設(shè)備，其特征在于，包括：存儲(chǔ)器和處理器，所述處理器與所述存儲(chǔ)器連接；

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器運(yùn)行時(shí)，執(zhí)行如權(quán)利要求1-7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┮环N模型生成方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，其中，所述方法包括：獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)基于云端模型對(duì)目標(biāo)終端設(shè)備的場(chǎng)景數(shù)據(jù)的標(biāo)注結(jié)果構(gòu)建得到，所述場(chǎng)景數(shù)據(jù)為終端設(shè)備在對(duì)應(yīng)的使用場(chǎng)景內(nèi)所收集的數(shù)據(jù)，所述場(chǎng)景數(shù)據(jù)包括圖像數(shù)據(jù)，所述云端模型使用多個(gè)終端設(shè)備的場(chǎng)景數(shù)據(jù)訓(xùn)練第一預(yù)設(shè)模型得到；使用所述樣本數(shù)據(jù)訓(xùn)練第二預(yù)設(shè)模型，得到設(shè)備模型，所述第一預(yù)設(shè)模型的模型參數(shù)多于所述第二預(yù)設(shè)模型的模型參數(shù)，上述方法使用目標(biāo)終端設(shè)備專屬場(chǎng)景的數(shù)據(jù)進(jìn)行模型訓(xùn)練，實(shí)現(xiàn)了設(shè)備模型的定制化，提高了設(shè)備模型的精確度，并且使用云端大模型進(jìn)行樣本構(gòu)建，無需人工干預(yù)，節(jié)約了成本。

技術(shù)研發(fā)人員：余家林,顧湘余,朱曉芳,邱雷震,宋曉婉,胡茗強(qiáng)
受保護(hù)的技術(shù)使用者：杭州杰峰軟件有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30