[發明專利]數據處理方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202011551623.X
• 申請日: 2020-12-24
• 公開（公告）號: CN113392688A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 向天戈
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 鄭曉玉

1.一種數據處理方法，其特征在于，所述方法包括：

獲取樣本數據及對應的標注結果；

調用數據處理模型，對所述樣本數據進行處理，得到預測結果，所述數據處理模型包括至少一個卷積層，每個卷積層包括至少一個卷積核，每個卷積核對應一個權重矩陣；

根據所述標注結果及所述預測結果，對所述數據處理模型中的卷積核及對應的權重矩陣進行調整；

響應于所述數據處理模型中任一卷積層對應的權重方差大于參考閾值，對本次調整之后所述卷積層中的卷積核及對應的權重矩陣進行縮小，得到更新后的數據處理模型，所述權重方差為本次調整之前所述卷積層中的權重矩陣的方差；

調用更新后的數據處理模型，對數據進行處理，得到所述數據的處理結果。

2.根據權利要求1所述的方法，其特征在于，所述響應于所述數據處理模型中任一卷積層對應的權重方差大于參考閾值，對本次調整之后所述卷積層中的卷積核及對應的權重矩陣進行縮小，得到更新后的數據處理模型，包括：

響應于所述權重方差大于所述參考閾值，根據參考尺寸，對所述卷積層對應的權重矩陣進行平均池化，得到尺寸縮小后的權重矩陣；

將所述權重矩陣對應的卷積核中，與所述尺寸縮小后的權重矩陣中的最大權重對應的位置，確定為中心位置；

根據所述中心位置及所述尺寸縮小后的權重矩陣的尺寸，對所述卷積核進行裁剪，得到尺寸縮小后的卷積核。

3.根據權利要求2所述的方法，其特征在于，所述根據所述中心位置及所述尺寸縮小后的權重矩陣的尺寸，對所述卷積核進行裁剪，得到尺寸縮小后的卷積核之后，所述方法還包括：

將所述尺寸縮小后的權重矩陣中的每個權重重置為參考數值。

4.根據權利要求1所述的方法，其特征在于，所述根據所述標注結果及所述預測結果，對所述數據處理模型中的卷積核及對應的權重矩陣進行調整之前，所述方法還包括：

根據所述每個卷積層對應的至少一個權重矩陣中的權重，獲取所述每個卷積層對應的權重方差。

5.根據權利要求1所述的方法，其特征在于，所述根據所述標注結果及所述預測結果，對所述數據處理模型中的卷積核及對應的權重矩陣進行調整，包括：

根據所述標注結果及所述預測結果，獲取所述數據處理模型的損失值；

根據所述損失值，對所述數據處理模型中的卷積核及對應的權重矩陣進行調整。

6.根據權利要求5所述的方法，其特征在于，所述根據所述標注結果及所述預測結果，獲取所述數據處理模型的損失值，包括：

根據所述標注結果及所述預測結果，確定所述數據處理模型的初始損失值；

確定所述至少一個卷積層對應的權重方差的第一和值；

將所述初始損失值與所述第一和值之間的差值，確定為所述數據處理模型的損失值。

7.根據權利要求5所述的方法，其特征在于，所述根據所述標注結果及所述預測結果，獲取所述數據處理模型的損失值，包括：

根據所述標注結果及所述預測結果，確定所述數據處理模型的初始損失值；

確定所述至少一個卷積層對應的權重矩陣中的權重的第二和值；

將所述初始損失值與所述第二和值的和值，確定為所述數據處理模型的損失值。

8.根據權利要求1-7任一項所述的方法，其特征在于，所述數據處理模型為圖像分類模型，所述數據為圖像數據；

所述調用更新后的數據處理模型，對數據進行處理，得到所述數據的處理結果，包括：

調用更新后的圖像分類模型，對所述圖像數據進行分類，得到所述圖像數據所屬的類別。

9.根據權利要求1-7任一項所述的方法，其特征在于，所述數據處理模型為物體識別模型，所述數據為圖像數據；

所述調用更新后的數據處理模型，對數據進行處理，得到所述數據的處理結果，包括：

調用更新后的物體識別模型，對所述圖像數據進行識別，得到所述圖像數據中包含的物體所屬的類別及所述物體在所述圖像數據中的位置。