一种半自动化模型更新系统及模型更新方法

摘要

本发明提供了一种半自动化模型更新系统及模型更新方法。首先通过策略标记、Cluster模型标记、人工分析标记和原始CNN模型的特征可视化标记，定期对标准化数据集中的可疑数据进行提取和标记，得到可疑数据集。将可疑数据集进行模式划分，剔除识别度低的数据；然后选用端到端的CNN模型进行训练和测试，并导出模型训练报告和训练过程的可视化界面。工程师根据模型训练报告检查可疑样本的识别度和正样本的误封率，从而不断提高模型精度，降低误封率，得到最优新版CNN模型。本发明基于多个角度和方法获取可疑数据，并周期性的训练和更新CNN模型，从而逐步提升CNN模型的对异常模式数据的覆盖率和识别精度。