[發明專利]一種數據處理方法、裝置及設備

有效

• 申請號: 202011593830.1
• 申請日: 2020-12-29
• 公開（公告）號: CN112686300B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 譚攏;朱藝璇;童俊艷
• 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: G06F18/2411
• 分類號: G06F18/2411;G06F18/214;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

1.一種數據處理方法，其特征在于，所述方法包括：

基于訓練數據集中各訓練數據的特征數據和基線模型集合中各基線模型的特征數據，從所述基線模型集合中選取至少兩個基線模型作為初始基線模型；

針對每一初始基線模型，將所述訓練數據集中每一訓練數據輸入至該初始基線模型得到該訓練數據對應的模型標簽；依據每一訓練數據對應的模型標簽確定已設置的該訓練數據對應的用戶標簽的預測值，依據各訓練數據對應的用戶標簽的預測值確定該初始基線模型與各個用戶標簽的預測準確度；

基于各個初始基線模型與各個用戶標簽的預測準確度從所有初始基線模型中選取一個初始基線模型作為目標基線模型，該目標基線模型被用于基于所述訓練數據集進行訓練以得到數據處理模型，該數據處理模型用于實現數據處理；

其中，所述基于訓練數據集中各訓練數據的特征數據和基線模型集合中各基線模型的特征數據，從所述基線模型集合中選取至少兩個基線模型作為初始基線模型，包括：針對訓練數據集中每一訓練數據，確定該訓練數據對應的特征向量，并基于各訓練數據對應的特征向量確定第一特征向量集合；

獲取已存儲的各基線模型的第二特征向量集合；其中，基線模型的第二特征向量集合是基于樣本數據集中的各樣本數據對應的特征向量得到，且所述樣本數據集用于訓練得到所述基線模型；

確定所述第一特征向量集合與每個基線模型的第二特征向量集合的相似度，并按照相似度從大到小的順序，選取至少兩個基線模型作為初始基線模型。

2.根據權利要求1所述的方法，其特征在于，所述訓練數據包括訓練圖像，且所述訓練圖像對應有標注信息，所述確定該訓練數據對應的特征向量，包括：

基于所述訓練圖像對應的標注信息從所述訓練圖像中截取目標框子圖像；將目標框子圖像輸入至目標神經網絡模型得到目標框子圖像對應的特征向量，將目標框子圖像對應的特征向量確定為該訓練圖像對應的特征向量；或者，

將所述訓練圖像輸入至目標神經網絡模型得到該訓練圖像對應的特征向量。

3.根據權利要求1所述的方法，其特征在于，所述依據每一訓練數據對應的模型標簽確定已設置的該訓練數據對應的用戶標簽的預測值，包括：

若訓練數據對應的模型標簽與該訓練數據對應的用戶標簽匹配，則確定該訓練數據對應的用戶標簽的預測值為第一取值，所述第一取值表示預測正確；

若訓練數據對應的模型標簽與該訓練數據對應的用戶標簽不匹配，則確定該訓練數據對應的用戶標簽的預測值為第二取值，所述第二取值表示預測錯誤。

4.根據權利要求3所述的方法，其特征在于，所述依據各訓練數據對應的用戶標簽的預測值確定該初始基線模型與各個用戶標簽的預測準確度，包括：

針對各個用戶標簽，依據各訓練數據對應的用戶標簽的預測值，統計該用戶標簽的預測值為第一取值的數量和該用戶標簽的預測值為第二取值的數量；

基于該用戶標簽的預測值為第一取值的數量和該用戶標簽的預測值為第二取值的數量，確定該初始基線模型與該用戶標簽的預測準確度。

5.根據權利要求1所述的方法，其特征在于，

所述基于各個初始基線模型與各個用戶標簽的預測準確度從所有初始基線模型中選取一個初始基線模型作為目標基線模型，包括：

針對各個初始基線模型，基于該初始基線模型與各個用戶標簽的預測準確度，確定該初始基線模型對應的預測準確度大于預設閾值的用戶標簽數量；

將用戶標簽數量最多的初始基線模型選取為所述目標基線模型。

6.根據權利要求1所述的方法，其特征在于，

所述基于各個初始基線模型與各個用戶標簽的預測準確度從所有初始基線模型中選取一個初始基線模型作為目標基線模型，包括：

針對各個初始基線模型，基于該初始基線模型與各個用戶標簽的預測準確度，確定該初始基線模型對應的目標預測準確度；

基于各個初始基線模型對應的目標預測準確度，將最大的目標預測準確度對應的初始基線模型選取為所述目標基線模型；

其中，目標預測準確度為初始基線模型對應的所有預測準確度中的最大值，或者，該初始基線模型對應的所有預測準確度的平均值。