[發(fā)明專利]一種數(shù)據(jù)處理方法及裝置、可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011644826.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112734035B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計）人: 張翼;顧華鑫;李辰;廖強(qiáng)
• 申請（專利權(quán)）人: 成都佳華物鏈云科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/776;G06V10/82
• 代理公司: 北京超凡宏宇知識產(chǎn)權(quán)代理有限公司 11463
• 代理人: 張萌

1.一種數(shù)據(jù)處理方法，其特征在于，包括：

獲取多張樣本圖片和預(yù)先訓(xùn)練好的多個驗(yàn)證模型；每張樣本圖片對應(yīng)一個標(biāo)注標(biāo)簽；

將所述多張樣本圖片分別輸入到所述多個驗(yàn)證模型中，獲得每個驗(yàn)證模型輸出的驗(yàn)證結(jié)果；所述驗(yàn)證結(jié)果中包括：每張樣本圖片的標(biāo)簽為預(yù)設(shè)的多個標(biāo)簽中的每個標(biāo)簽的概率；所述標(biāo)注標(biāo)簽屬于所述多個標(biāo)簽中的標(biāo)簽，所述預(yù)設(shè)的多個標(biāo)簽不相同；

根據(jù)所述多個驗(yàn)證模型輸出的驗(yàn)證結(jié)果確定每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽與所述多個標(biāo)簽之間的平均交叉熵；

根據(jù)多張樣本圖片的平均交叉熵確定所述多個標(biāo)簽的擬合分布；

根據(jù)每張樣本圖片的平均交叉熵在所述擬合分布中的概率確定每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽是否為正確標(biāo)簽。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取多張樣本圖片和預(yù)先訓(xùn)練好的多個驗(yàn)證模型之前，所述方法還包括：

獲取交叉數(shù)據(jù)集；所述交叉數(shù)據(jù)集中包括訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集，所述訓(xùn)練數(shù)據(jù)集中包括多張第一樣本圖片，所述驗(yàn)證數(shù)據(jù)集中包括多張第二樣本圖片，所述多張第一樣本圖片和所述多張第二樣本圖片均選自所述多張樣本圖片；

通過所述交叉數(shù)據(jù)集分別對多個初始的驗(yàn)證模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的多個驗(yàn)證模型；其中，所述訓(xùn)練數(shù)據(jù)集用于對初始的驗(yàn)證模型中的分類器進(jìn)行訓(xùn)練，所述驗(yàn)證數(shù)據(jù)集用于對訓(xùn)練得到的驗(yàn)證模型進(jìn)行測試。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述通過所述交叉數(shù)據(jù)集分別對多個初始的驗(yàn)證模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的多個驗(yàn)證模型之后，所述方法還包括：

確定訓(xùn)練好的多個驗(yàn)證模型的準(zhǔn)確率和召回率；

根據(jù)所述準(zhǔn)確率和所述召回率確定所述訓(xùn)練好的多個驗(yàn)證模型的質(zhì)量評分；

根據(jù)所述質(zhì)量評分對所述訓(xùn)練好的多個驗(yàn)證模型進(jìn)行優(yōu)化。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述多個驗(yàn)證模型輸出的驗(yàn)證結(jié)果確定每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽與所述多個標(biāo)簽之間的平均交叉熵，包括：

通過公式：計算每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽與所述多個標(biāo)簽之間的平均交叉熵；

其中，為第j張樣本圖片的平均交叉熵，為第i個驗(yàn)證模型輸出的第j張樣本圖片的標(biāo)簽為預(yù)設(shè)的第個標(biāo)簽的概率，在第j張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽為所述第個標(biāo)簽時為1，在第j張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽不是所述第個標(biāo)簽時為0。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)每張樣本圖片的平均交叉熵在所述擬合分布中的概率確定每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽是否為正確標(biāo)簽，包括：

將每張樣本圖片的平均交叉熵代入所述擬合分布的概率密度函數(shù)中，獲得每張樣本圖片的標(biāo)簽為每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽的概率；

根據(jù)每張樣本圖片的標(biāo)簽為每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽的概率和預(yù)設(shè)的概率閾值確定每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽是否為正確標(biāo)簽。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述根據(jù)每張樣本圖片的平均交叉熵在所述擬合分布中的概率確定每張樣本圖片對應(yīng)的標(biāo)注標(biāo)簽是否為正確標(biāo)簽之后，所述方法還包括：

獲取目標(biāo)樣本圖片；所述目標(biāo)樣本圖片對應(yīng)的標(biāo)注標(biāo)簽為錯誤標(biāo)簽；

根據(jù)所述多個驗(yàn)證模型輸出的所述目標(biāo)樣本圖片的驗(yàn)證結(jié)果對所述錯誤標(biāo)簽進(jìn)行修正。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述多個驗(yàn)證模型輸出的所述目標(biāo)樣本圖片的驗(yàn)證結(jié)果對所述錯誤標(biāo)簽進(jìn)行修正，包括：

根據(jù)所述多個驗(yàn)證模型輸出的所述目標(biāo)樣本圖片的驗(yàn)證結(jié)果計算所述目標(biāo)樣本圖片的標(biāo)簽為預(yù)設(shè)的多個標(biāo)簽中的每個標(biāo)簽的平均概率；

將所述平均概率最大的標(biāo)簽確定為所述目標(biāo)樣本圖片對應(yīng)的正確標(biāo)簽。

8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述多個驗(yàn)證模型輸出的所述目標(biāo)樣本圖片的驗(yàn)證結(jié)果對所述錯誤標(biāo)簽進(jìn)行修正，包括：

根據(jù)所述多個驗(yàn)證模型輸出的所述目標(biāo)樣本圖片的驗(yàn)證結(jié)果確定所述多個標(biāo)簽中的每個標(biāo)簽的概率為最大的概率的頻率；

將所述頻率最大的標(biāo)簽確定為所述目標(biāo)樣本圖片對應(yīng)的正確標(biāo)簽。