[發明專利]目標物的影響因子篩選方法、裝置、設備及存儲介質

在審

• 申請號: 202011097292.7
• 申請日: 2020-10-14
• 公開（公告）號: CN112101481A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 陳筱;周細文;莊伯金;王少軍
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種目標物的影響因子篩選方法，其特征在于，所述方法包括：

獲取標準圖像，將所述標準圖像輸入至預先構建的分類模型中得到所述標準圖像為目標類別的類別預測值；

利用預設的數量統計算法對所述類別預測值進行計算得到待選取的影響因子的數量；

利用所述分類模型對預設的多個影響因子進行計算得到各個影響因子的影響預測值，并根據所述影響預測值從所述預設的多個影響因子中選取所述數量的影響因子作為目標因子集合；

計算所述目標因子集合中每個影響因子的標簽值，并從所述目標因子集合中選取標簽值為預設標簽閾值的影響因子作為標準影響因子。

2.如權利要求1所述的目標物的影響因子篩選方法，其特征在于，所述分類模型為卷積神經網絡，所述將所述標準圖像輸入至預先構建的分類模型中得到所述標準圖像為目標類別的類別預測值，包括：

利用所述卷積神經網絡的主任務網絡對所述標準圖像進行卷積，得到卷積圖像；

對所述卷積圖像進行池化，得到特征圖像；

對所述特征圖像進行全連接處理，得到全連接圖像；

利用激活函數計算所述全連接圖像為目標類別的類別預測值。

3.如權利要求1所述的目標物的影響因子篩選方法，其特征在于，所述根據所述影響預測值從所述預設的多個影響因子中選取所述數量的影響因子作為目標因子集合，包括：

將所述多個影響因子按照所述影響預測值從大到小的順序進行排序，得到影響因子序列；

從所述影響因子序列中按照從前到后從大到小的順序選取所述數量的影響因子作為目標因子集合。

4.如權利要求1所述的目標物的影響因子篩選方法，其特征在于，所述利用預設的數量統計算法對所述類別預測值進行計算得到待選取的影響因子的數量，包括：

利用如下數量統計算法對所述類別預測值進行計算得到待選取的影響因子的數量：

w＝ceil(m×s_k)

其中，ceil為取整數運算，w為所述待選取數量，m為-預設多個影響因子的數量，s_k為標準圖像為目標類別k的類別預測值。

5.如權利要求1所述的目標物的影響因子篩選方法，其特征在于，所述計算所述目標因子集合中每個影響因子的標簽值，包括：

利用如下標簽值算法計算所述目標因子集合中每個影響因子的標簽值：

其中，A_i為所述目標因子的標簽值，i為所述目標因子的標簽，q_i為預設標準標簽。

6.如權利要求1至5中任一項所述的目標物的影響因子篩選方法，其特征在于，所述將所述標準圖像輸入至預先構建的分類模型中得到所述標準圖像為目標類別的類別預測值之后，所述方法還包括：

計算所述類別預測值與所述目標類別之間的損失值；

根據所述損失值對所述分類模型的參數進行更新；

通過更新后的分類模型的主任務網絡計算標準圖像為目標類別的類別預測值。

7.如權利要求1所述的目標物的影響因子篩選方法，其特征在于，所述選取所述標簽值為預設標簽閾值的目標因子為標準影響因子之后，所述方法還包括：

獲取推送隊列任務，其中，所述推送隊列任務中包括預先設定的推送順序；

按照所述推送順序向用戶推送所述標準影響因子。