[發明專利]一種數據處理方法、裝置及設備

在審

• 申請號: 202010611544.7
• 申請日: 2020-06-29
• 公開（公告）號: CN111783997A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 郭階添
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/04;G06N3/08
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 楊春香

本申請提供一種數據處理方法、裝置及設備，該方法包括：獲取初始基線模型；通過所述初始基線模型對終端設備當前獲得的流式數據進行處理，得到與所述流式數據對應的訓練數據；所述訓練數據包括與所述流式數據對應的數據特征，及所述數據特征對應的標簽信息；通過所述訓練數據對初始基線模型進行訓練，得到訓練后的目標基線模型；在所述終端設備部署所述初始基線模型或所述目標基線模型，以通過所述初始基線模型或所述目標基線模型對所述終端設備的應用數據進行處理。通過本申請的技術方案，提升目標基線模型的性能，目標基線模型的智能分析結果的準確度較高。

技術領域

本申請涉及人工智能技術領域，尤其是一種數據處理方法、裝置及設備。

背景技術

機器學習是實現人工智能的一種途徑，是一門多領域的交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。機器學習用于研究計算機如何模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習更加注重算法設計，使計算機能夠自動地從數據中學習規律，并利用規律對未知數據進行預測。

機器學習已經有了十分廣泛的應用，如深度學習、數據挖掘、計算機視覺、自然語言處理、生物特征識別、搜索引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略游戲和機器人運用等。

為了采用機器學習實現人工智能處理，服務器需要獲取大量樣本數據，并基于這些樣本數據訓練出機器學習模型，并將該機器學習模型部署到終端設備(如攝像機等)，以使終端設備基于該機器學習模型實現人工智能處理。

由于終端設備采集的流式數據不會發送給服務器，因此，無法基于流式數據對機器學習模型進行訓練，導致無法充分利用終端設備采集的流式數據，使得機器學習模型無法匹配終端設備所處環境，機器學習模型的性能比較低。

發明內容

本申請提供一種數據處理方法，應用于終端設備，所述方法包括：

獲取初始基線模型；通過所述初始基線模型對所述終端設備當前獲得的流式數據進行處理，得到與所述流式數據對應的訓練數據；其中，所述訓練數據包括與所述流式數據對應的數據特征，及所述數據特征對應的標簽信息；通過所述訓練數據對初始基線模型進行訓練，得到訓練后的目標基線模型；在所述終端設備部署所述初始基線模型或所述目標基線模型，以通過所述初始基線模型或所述目標基線模型對所述終端設備的應用數據進行處理。

本申請提供一種數據處理裝置，應用于終端設備，所述裝置包括：

獲取模塊，用于獲取初始基線模型；處理模塊，用于通過所述初始基線模型對所述終端設備當前獲得的流式數據進行處理，得到與所述流式數據對應的訓練數據；其中，所述訓練數據包括與所述流式數據對應的數據特征，及所述數據特征對應的標簽信息；訓練模塊，用于通過所述訓練數據對初始基線模型進行訓練，得到訓練后的目標基線模型；部署模塊，用于在終端設備部署所述初始基線模型或所述目標基線模型，以通過所述初始基線模型或所述目標基線模型對終端設備的應用數據進行處理。

本申請提供一種終端設備，包括：處理器和機器可讀存儲介質，所述機器可讀存儲介質存儲有能夠被所述處理器執行的機器可執行指令；

所述處理器用于執行機器可執行指令，以實現如下的步驟：

獲取初始基線模型；通過所述初始基線模型對所述終端設備當前獲得的流式數據進行處理，得到與所述流式數據對應的訓練數據；其中，所述訓練數據包括與所述流式數據對應的數據特征，及所述數據特征對應的標簽信息；通過所述訓練數據對初始基線模型進行訓練，得到訓練后的目標基線模型；在所述終端設備部署所述初始基線模型或所述目標基線模型，以通過所述初始基線模型或所述目標基線模型對所述終端設備的應用數據進行處理。