本發明公開了一種圖像識別模型訓練系統，包括：監控模塊，用于監控圖像數據文件夾，并在所述圖像數據文件夾中的圖像數據文件產生變化時生成變化消息，將所述變化消息發送至同步模塊；同步模塊，用于接收所述監控模塊發送的變化消息，根據所述變化消息、基于所述圖像數據文件夾產生變化的圖像數據文件對應的特征緩存文件對特征緩存文件夾進行同步處理；其中，所述圖像數據文件夾用于存儲圖像數據文件，所述特征緩存文件夾用于存儲特征緩存文件，所述特征緩存文件是對所述圖像數據文件的圖像數據進行特征提取得到的文件；訓練模塊，用于利用所述特征緩存文件夾中的特征緩存文件進行訓練，獲得圖像識別模型。

技術領域

本發明涉及圖像識別技術領域，尤其涉及一種圖像識別模型訓練系統及方法。

背景技術

圖像識別技術是人工智能的一個重要領域，它是對圖像進行對象識別，以分辨各種不同模式的目標和對象的技術。在現有的圖像識別技術中，當擁有的圖像數據集較小時，通常采用遷移學習(Transfer learning)來定制所需的圖像識別功能，從而讓一個已經訓練好的模型適配自身的問題。例如，使用imageNet數據集預訓練好的模型進行圖像特征提取，然后用提取到的特征輸入一個分類器進行訓練，最終得到所需的新模型。

然而，當圖像數據集中的圖像數據發生改變時，與之相對應地，需要采用改變后的圖像數據的特征文件進行模型訓練。現有的圖像識別模型訓練技術往往需要人工管理數據集，然后確定進行模型訓練，這不僅增加了人工工作量，而且經常出現管理不及時、錯誤操作等問題。因此，如何智能高效的管理數據集，進行圖像識別模型訓練，成為本領域現階段亟需解決的技術問題。

發明內容

有鑒于此，本發明的主要目的在于提供一種圖像識別模型訓練系統及方法設備，在圖像數據集中的圖像數據發生改變時，實現圖像識別模型訓練的自動高效完成。

為達到上述目的，本發明的技術方案是這樣實現的：

本發明提供了一種圖像識別模型訓練系統，所述系統包括監控模塊，同步模塊，以及訓練模塊，其中，

所述監控模塊，用于監控圖像數據文件夾，并在所述圖像數據文件夾中的圖像數據文件產生變化時生成變化消息，將所述變化消息發送至同步模塊；

所述同步模塊，用于接收所述監控模塊發送的變化消息，根據所述變化消息、基于所述圖像數據文件夾產生變化的圖像數據文件對應的特征緩存文件對特征緩存文件夾進行同步處理；

其中，所述圖像數據文件夾用于存儲圖像數據文件，所述特征緩存文件夾用于存儲特征緩存文件，所述特征緩存文件是對所述圖像數據文件的圖像數據進行特征提取得到的文件；

所述訓練模塊，用于利用所述特征緩存文件夾中的特征緩存文件進行訓練，獲得圖像識別模型。

上述方案中，所述圖像數據文件夾中的圖像數據文件產生變化包括：增加圖像數據文件，以及刪除圖像數據文件；

所述同步模塊，用于在所述圖像數據文件夾中發生增加圖像數據文件的變化時，對增加的圖像數據文件進行特征提取，獲得特征緩存文件，將所述特征緩存文件同步至所述特征緩存文件夾中；還用于在所述圖像數據文件夾中發生刪除圖像數據文件的變化時，在所述特征緩存文件夾中刪除與被刪除的所述圖像數據文件相對應的特征緩存文件。

上述方案中，所述同步模塊還用于在進行同步處理時將所述特征緩存文件夾標記為第一特定狀態；

所述訓練模塊，用于在執行訓練操作過程中，檢測所述特征緩存文件夾的狀態；在所述特征緩存文件夾處于所述第一特定狀態時，暫停執行訓練操作并將自身標記為第二特定狀態；在所述特征緩存文件夾不處于所述第一特定狀態時，解除自身的所述第二特定狀態標記并繼續執行訓練操作。

上述方案中，所述系統還包括日志模塊，用于保存所述同步模塊的同步處理記錄；還用于保存所述訓練模塊的訓練記錄。