[發(fā)明專利]無感知模型切換方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011524901.2
• 申請日: 2020-12-21
• 公開（公告）號: CN112560721A
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 鄭松輝;賴眾程;周軍;梁俊杰
• 申請（專利權(quán)）人: 平安銀行股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q10/06;G06Q40/02
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種無感知模型切換方法，其特征在于，所述方法包括：

獲取原始業(yè)務(wù)請求，利用所述原始業(yè)務(wù)請求對預(yù)構(gòu)建的舊人臉識別模型進(jìn)行驗證，得到第一驗證結(jié)果；

對所述原始業(yè)務(wù)請求進(jìn)行流量復(fù)制，得到標(biāo)準(zhǔn)業(yè)務(wù)請求，并將所述標(biāo)準(zhǔn)業(yè)務(wù)請求下發(fā)至預(yù)構(gòu)建的新人臉識別模型；

利用所述標(biāo)準(zhǔn)業(yè)務(wù)請求對所述新人臉識別模型進(jìn)行灰度驗證，得到第二驗證結(jié)果；

基于所述第一、第二驗證結(jié)果對所述新人臉識別模型進(jìn)行有效性及穩(wěn)定性分析，得到分析結(jié)果；

將所述分析結(jié)果和預(yù)設(shè)的閾值進(jìn)行比較，當(dāng)所述分析結(jié)果大于所述預(yù)設(shè)的閾值時，不進(jìn)行切換，當(dāng)所述分析結(jié)果小于等于所述預(yù)設(shè)的閾值時，切換到所述新人臉識別模型，并轉(zhuǎn)換所述新人臉識別模型的識別分?jǐn)?shù)。

2.如權(quán)利要求1所述的無感知模型切換方法，其特征在于，所述利用所述原始業(yè)務(wù)請求對預(yù)構(gòu)建的舊人臉識別模型進(jìn)行驗證，得到第一驗證結(jié)果，包括：

利用預(yù)設(shè)的API網(wǎng)關(guān)對所述原始業(yè)務(wù)請求進(jìn)行識別，確定所述原始業(yè)務(wù)請求應(yīng)通過的舊人臉識別模型；

利用所述舊人臉識別模型對所述原始業(yè)務(wù)請求進(jìn)行識別，得到舊人臉識別分?jǐn)?shù)及舊人臉識別結(jié)果，匯總所述舊人臉識別分?jǐn)?shù)及舊人臉識別結(jié)果得到第一驗證結(jié)果。

3.如權(quán)利要求1所述的無感知模型切換方法，其特征在于，所述對所述原始業(yè)務(wù)請求進(jìn)行流量復(fù)制，得到標(biāo)準(zhǔn)業(yè)務(wù)請求，并將所述標(biāo)準(zhǔn)業(yè)務(wù)請求下發(fā)至預(yù)構(gòu)建的新人臉識別模型，包括：

利用所述API網(wǎng)關(guān)對所述原始業(yè)務(wù)請求進(jìn)行等比例流量復(fù)制，得到所述標(biāo)準(zhǔn)業(yè)務(wù)請求；

對所述標(biāo)準(zhǔn)業(yè)務(wù)請求進(jìn)行反向代理，并將所述標(biāo)準(zhǔn)業(yè)務(wù)請求下發(fā)至預(yù)構(gòu)建的新人臉識別模型。

4.如權(quán)利要求1所述的無感知模型切換方法，其特征在于，所述利用所述標(biāo)準(zhǔn)業(yè)務(wù)請求對所述新人臉識別模型進(jìn)行灰度驗證，得到第二驗證結(jié)果，包括：

根據(jù)預(yù)設(shè)的階梯式灰度策略調(diào)用所述標(biāo)準(zhǔn)業(yè)務(wù)請求，得到灰度流量請求；

利用所述新人臉識別模型對所述灰度流量請求進(jìn)行人臉識別，得到新人臉識別分?jǐn)?shù)及新人臉識別結(jié)果，匯總所述新人臉識別分?jǐn)?shù)及新人臉識別結(jié)果，得到第二驗證結(jié)果。

5.如權(quán)利要求4所述的無感知模型切換方法，其特征在于，所述預(yù)設(shè)的階梯式灰度策略為：

其中，m和n表示預(yù)設(shè)的百分比，S_i表示i業(yè)務(wù)場景每天需要的灰度流量請求，Avg_i表示最近一個月i業(yè)務(wù)場景基于舊模型的調(diào)用量的平均值，Avg_總表示近一個月所有業(yè)務(wù)場景基于舊模型的調(diào)用量的平均值。

6.如權(quán)利要求1至5中任意一項所述的無感知模型切換方法，其特征在于，所述基于所述第一、第二驗證結(jié)果對所述新人臉識別模型進(jìn)行有效性及穩(wěn)定性分析，得到分析結(jié)果，包括：

在所述第一、第二驗證結(jié)果中，隨機抽取預(yù)設(shè)數(shù)量作為驗證樣本；

利用所述驗證樣本計算新、舊人臉識別模型的有效性指標(biāo)，及利用所述驗證樣本計算所述新人臉識別模型的穩(wěn)定性指標(biāo)；

匯總所述有效性指標(biāo)及穩(wěn)定性指標(biāo)得到分析結(jié)果。

7.如權(quán)利要求1至5中任意一項所述的無感知模型切換方法，其特征在于，所述轉(zhuǎn)換所述新人臉識別模型的識別分?jǐn)?shù)，包括：

獲取舊人臉識別模型的識別閾值及新人臉識別模型的識別閾值；

根據(jù)所述舊人臉識別模型的識別閾值及新人臉識別模型的識別閾值將新人臉識別模型的識別分?jǐn)?shù)轉(zhuǎn)換為舊人臉識別模型的識別分?jǐn)?shù)。