[發明專利]特征分析方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110394351.5
• 申請日: 2021-04-13
• 公開（公告）號: CN113139447A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 李賜興;朱曉龍;許壯;紀曉龍;季興;湯善敏;張正生;劉永升
• 申請（專利權）人: 超參數科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06N20/00;A63F13/53
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 唐彩琴

1.一種特征分析方法，其特征在于，所述方法包括：

獲取預設數據集；

將所述預設數據集中各個預設數據的輸入特征輸入目標機器學習模型中，得到各個所述預設數據的預測輸出；

基于各個所述預設數據的預測輸出確定各個所述預設數據各自的輸入特征的特征敏感度；

基于各個所述特征敏感度確定所述目標機器學習模型對應的待分析特征集合中各個待分析特征的平均敏感度，基于各個待分析特征的平均敏感度對各個待分析特征進行排序，得到排序結果。

2.根據權利要求1所述的方法，其特征在于，所述預設數據集為游戲視頻幀組成的集合；所述預設數據的輸入特征包括第一輸入特征和第二輸入特征；所述基于各個所述預設數據的預測輸出確定各個所述預設數據各自的輸入特征的特征敏感度，包括：

獲取目標字段信息；

基于所述目標字段信息解析各個所述游戲視頻幀，得到各個所述游戲視頻幀的第一輸入特征；

基于所述目標字段信息及各個所述游戲視頻幀的第一輸入特征進行計算，得到各個所述游戲視頻幀的第二輸入特征。

3.根據權利要求1所述的方法，其特征在于，所述基于各個所述預設數據的預測輸出確定各個所述預設數據各自的輸入特征的特征敏感度包括：

對于每一個輸入特征，基于所述輸入特征對應的預設數據的預測輸出對所述輸入特征的每一維計算偏導數；

基于所述輸入特征對應的各個偏導數計算所述輸入特征的范數，將所述范數作為所述輸入特征的特征敏感度。

4.根據權利要求3所述的方法，其特征在于，所述預設數據集中每一個預設數據存在對應的期望輸出；所述基于所述輸入特征對應的預設數據的預測輸出對所述輸入特征的每一維計算偏導數包括：

基于所述輸入特征對應的預設數據的預測輸出和期望輸出確定對應的預測損失；

計算所述預測損失對所述輸入特征的每一維的一階偏導數。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據排序結果確定目標輸入特征；

獲取預設標準特征，將所述目標輸入特征與所述預設標準特征比對，根據比對結果確定所述目標機器學習模型的評估結果。

6.根據權利要求1所述的方法，其特征在于，所述預設數據集中的預設數據為圖像；預設數據的輸入特征為圖像中的所有像素；所述方法還包括：

將計算得到各個像素的特征敏感度發送至終端，所述終端用于根據各個圖像各自對應的像素的特征敏感度在各個圖像上進行標注，并對標注結果進行可視化展示。

7.根據權利要求1所述的方法，其特征在于，所述預設數據集中的預設數據為圖像；預設數據的輸入特征為圖像中的所有像素；所述方法還包括：

獲取待處理圖像；

基于排序結果對所述待處理圖像進行像素屏蔽，得到目標特征圖像；

將所述目標特征圖像輸入所述目標機器學習模型中，得到所述待處理圖像對應的預測輸出。

8.一種特征分析裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取預設數據集；

數據輸入模塊，用于將所述預設數據集中各個預設數據的輸入特征輸入目標機器學習模型中，得到各個所述預設數據的預測輸出；

敏感度確定模塊，用于基于各個所述預設數據的預測輸出確定各個所述預設數據各自的輸入特征的特征敏感度；

排序模塊，用于基于各個所述特征敏感度確定所述目標機器學習模型對應的待分析特征集合中各個待分析特征的平均敏感度，基于各個待分析特征的平均敏感度對各個待分析特征進行排序，得到排序結果。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。