技术摘要：
一种坏例识别及其模型优化方法、装置及计算机存储介质，所述方法包括利用具有相同识别能力的待优化识别模型和参考识别模型针对待识别样本分别进行识别，获得待优化识别模型的第一识别结果和参考识别模型的第二识别结果；利用多策略叠加模型中的至少二坏例分析策略分别  全部
背景技术：
坏例(bad  case)是指算法模型(识别模型)在针对样本进行识别预测时，不能够准 确给出识别结果的样本。例如，输入一个带有小狗图案的图片样本，但算法模型输出的图片 识别结果是小猫，对于所述算法模型而言，此图片样本即为坏例。 通常，算法模型需要通过大量训练各种类型的样本，使得样本空间获得较大的提 升，才能使算法模型更具有泛化性、鲁棒性。因此，如何从算法模型所训练的样本数据集中 寻找出坏例成为了一个关键性问题。
技术实现要素：
有鉴于此，本发明实施例所解决的技术问题之一在于提供一种坏例识别及其模型 优化方法、装置及计算机存储介质，可自动识别出待识别样本中的坏例，并具有较高的识别 准确度。 根据本发明实施例的第一方面，提供了一种坏例识别方法，其包括利用具有相同 识别能力的待优化识别模型和至少一参考识别模型针对待识别样本分别进行识别，获得所 述待优化模型的第一识别结果和所述至少一参考识别模型的至少一第二识别结果；以及利 用多策略叠加模型中的至少二坏例分析策略分别基于所述至少一第二识别结果分析所述 第一识别结果，获得各所述坏例分析策略对应的各中间分析结果，并根据各所述中间分析 结果获得所述待优化识别模型识别的所述待识别样本是否为坏例的坏例识别结果。 根据本发明实施例的第二方面，提供了一种模型优化方法，其包括获取多个待识 别样本以训练待优化识别模型；利用上述第一方面所述的坏例识别方法，获得所述待优化 识别模型识别的各所述待识别样本是否为坏例的多个坏例识别结果；以及基于所述多个坏 例识别结果，优化所述待优化识别模型。 根据本发明实施例的第三方面，提供了一种计算机存储介质，所述计算机存储介 质中存储有用于执行本发明第一方面所述的坏例识别方法的各所述步骤的指令。 根据本发明实施例的第四方面，提供了一种计算机存储介质，所述计算机存储介 质中存储有用于执行本发明第二方面所述的模型优化方法的各所述步骤的指令。 根据本发明实施例的第五方面，提供了一种坏例识别装置，其包括：识别模块，用 于利用具有相同识别能力的待优化识别模型和至少一参考识别模型针对待识别样本分别 进行识别，获得所述待优化模型的第一识别结果和所述至少一参考识别模型的至少一第二 识别结果；以及多策略叠加模型，用于利用至少二坏例分析策略分别基于所述至少一第二 识别结果分析所述第一识别结果，获得各所述坏例分析策略对应的各中间分析结果，并根 据各所述中间分析结果获得所述待优化识别模型识别的所述待识别样本是否为坏例的坏 5 CN 111582193 A 说　明　书 2/11 页 例识别结果。 根据本发明实施例的第六方面，提供了一种模型优化装置，其包括：模型训练模 块，获取多个待识别样本以训练待优化识别模型，并利用上述第五方面所述的坏例识别装 置，获得所述待优化识别模型识别的各所述待识别样本是否为坏例的多个坏例识别结果； 以及模型优化模块，用于基于所述多个坏例识别结果，优化所述待优化识别模型。 由以上技术方案可见，本发明各实施例所提供的坏例识别及其模型优化方法、装 置及计算机存储介质，通过将待识别样本输入到待优化模型和参考模型中进行分别识别， 并利用多策略叠加方式根据参考模型输出的第二识别结果分析待优化模型输出的第一识 别结果，据以获得待优化识别模型识别的待识别样本是否为坏例的坏例识别结果。借此，本 申请可以实现样本中坏例的自动识别，并具有较高的坏例识别准确度，可利于模型的优化 处理，从而提高模型识别的正确率。 附图说明 后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体 实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领与技术人员应该理 解，这些附图未必是按比值绘制的。附图中： 图1示出了本发明的第一实施例的坏例识别方法的流程示意图； 图2示出了本发明第二实施例的坏例识别方法的流程示意图； 图3A及图3B示出了执行图片正位的预处理操作的待识别样本对比图； 图4示出了本发明第二实施例的待优化识别模型和各参考识别模型针对同一待识 别样本生成的第一识别结果和第二识别结果的比对图；以及 图5A至图5D示出了本发明第三实施例的坏例识别方法的流程示意图； 图6示出了本发明第四实施例的模型优化方法的流程示意图； 图7示出了本发明第七实施例的坏例识别装置的框架示意图； 图8示出了本发明第八实施例的模型优化装置的框架示意图。