[發(fā)明專利]一種異常對(duì)象檢測(cè)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110506134.0
• 申請(qǐng)日: 2021-05-10
• 公開(kāi)（公告）號(hào): CN113112093A
• 公開(kāi)（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 張密
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q30/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳翼盛智成知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44300
• 代理人: 李漢亮

1.一種異常對(duì)象檢測(cè)方法，其特征在于，所述異常對(duì)象檢測(cè)方法，包括：

獲取目標(biāo)應(yīng)用中對(duì)象在多個(gè)不同場(chǎng)景視角下的屬性信息，其中，每個(gè)場(chǎng)景視角下的屬性信息包括所述對(duì)象在每個(gè)場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息；

分別對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息進(jìn)行注意力特征提取，得到所述對(duì)象在每個(gè)場(chǎng)景視角下的注意力特征信息；

對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下的注意力特征信息進(jìn)行信息融合處理，得到所述對(duì)象的目標(biāo)特征信息；

根據(jù)所述目標(biāo)特征信息對(duì)所述對(duì)象進(jìn)行異常檢測(cè)，得到并輸出所述對(duì)象的異常檢測(cè)結(jié)果。

2.如權(quán)利要求1所述的異常對(duì)象檢測(cè)方法，其特征在于，所述分別對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息進(jìn)行注意力特征提取，得到所述對(duì)象在每個(gè)場(chǎng)景視角下的注意力特征信息，包括：

對(duì)所述對(duì)象在當(dāng)前場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息，在多個(gè)注意力特征提取層上進(jìn)行局部注意力特征提取，得到每個(gè)注意力特征提取層進(jìn)行局部注意力特征提取后的局部注意力特征信息；

對(duì)所述每個(gè)注意力特征提取層進(jìn)行局部注意力特征提取后的局部注意力特征信息進(jìn)行信息拼接處理，得到所述對(duì)象在當(dāng)前場(chǎng)景視角下的注意力特征信息。

3.如權(quán)利要求2所述的異常對(duì)象檢測(cè)方法，其特征在于，所述對(duì)所述對(duì)象在當(dāng)前場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息，在多個(gè)注意力特征提取層上進(jìn)行局部注意力特征提取，得到每個(gè)注意力特征提取層進(jìn)行局部注意力特征提取后的局部注意力特征信息，包括：

利用所述多個(gè)注意力特征提取層中的網(wǎng)絡(luò)權(quán)重因子和注意力系數(shù)，分別對(duì)當(dāng)前場(chǎng)景視角中所述對(duì)象和關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息進(jìn)行線性運(yùn)算處理，得到每個(gè)注意力特征提取層進(jìn)行線性運(yùn)算處理后的線性信息；

利用每個(gè)注意力特征提取層對(duì)所述線性信息進(jìn)行非線性映射，得到每個(gè)注意力特征提取層進(jìn)行非線性映射后的局部注意力特征信息。

4.如權(quán)利要求1所述的異常對(duì)象檢測(cè)方法，其特征在于，所述對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下的注意力特征信息進(jìn)行信息融合處理，得到所述對(duì)象的目標(biāo)特征信息，包括：

確定每個(gè)場(chǎng)景視角下的注意力特征信息對(duì)應(yīng)的信息融合因子；

將每個(gè)場(chǎng)景視角下的注意力特征信息和所述注意力特征信息對(duì)應(yīng)的信息融合因子進(jìn)行信息融合處理，得到所述對(duì)象的目標(biāo)特征信息。

5.如權(quán)利要求1所述的異常對(duì)象檢測(cè)方法，其特征在于，所述分別對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息進(jìn)行注意力特征提取，包括：

利用目標(biāo)異常對(duì)象檢測(cè)模型中的多個(gè)注意力特征提取層，分別對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息進(jìn)行注意力特征提取；

所述對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下的注意力特征信息進(jìn)行信息融合處理，得到所述對(duì)象的目標(biāo)特征信息，包括：

利用所述目標(biāo)異常對(duì)象檢測(cè)模型中的信息融合層，對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下的注意力特征信息進(jìn)行信息融合處理，得到所述對(duì)象的目標(biāo)特征信息；

所述根據(jù)所述目標(biāo)特征信息對(duì)所述對(duì)象進(jìn)行異常檢測(cè)，得到并輸出所述對(duì)象的異常檢測(cè)結(jié)果，包括：

利用所述目標(biāo)異常對(duì)象檢測(cè)模型中的異常對(duì)象檢測(cè)層，根據(jù)所述目標(biāo)特征信息對(duì)所述對(duì)象進(jìn)行異常檢測(cè)，得到并輸出所述對(duì)象的異常檢測(cè)結(jié)果。

6.如權(quán)利要求5所述的異常對(duì)象檢測(cè)方法，其特征在于，所述利用目標(biāo)異常對(duì)象檢測(cè)模型中的多個(gè)注意力特征提取層，分別對(duì)所述對(duì)象在每個(gè)場(chǎng)景視角下與關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)屬性信息進(jìn)行注意力特征提取之前，還包括：

獲取待訓(xùn)練異常對(duì)象檢測(cè)模型和模型訓(xùn)練集，所述模型訓(xùn)練集包括多個(gè)訓(xùn)練對(duì)象的屬性信息，所述屬性信息包括訓(xùn)練對(duì)象在多個(gè)場(chǎng)景視角下與關(guān)聯(lián)訓(xùn)練對(duì)象之間的關(guān)聯(lián)屬性信息；

利用所述待訓(xùn)練異常對(duì)象檢測(cè)模型，分別對(duì)所述模型訓(xùn)練集中多個(gè)訓(xùn)練對(duì)象的關(guān)聯(lián)屬性信息進(jìn)行異常檢測(cè)，得到所述多個(gè)訓(xùn)練對(duì)象的異常檢測(cè)結(jié)果；

根據(jù)所述模型訓(xùn)練集中多個(gè)訓(xùn)練對(duì)象的異常檢測(cè)結(jié)果和所述多個(gè)訓(xùn)練對(duì)象的預(yù)設(shè)異常標(biāo)簽，確定所述待訓(xùn)練異常對(duì)象檢測(cè)模型的損失信息；

根據(jù)所述損失信息對(duì)所述待訓(xùn)練異常對(duì)象檢測(cè)模型進(jìn)行模型優(yōu)化處理，以得到符合預(yù)設(shè)條件的目標(biāo)異常對(duì)象檢測(cè)模型。