[發明專利]目標數據的上報方法、裝置、存儲介質及電子裝置

在審

• 申請號: 202210527115.0
• 申請日: 2022-05-16
• 公開（公告）號: CN114627319A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 彭垚;倪華建;林亦寧;趙之健
• 申請（專利權）人: 杭州閃馬智擎科技有限公司
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙靜

1.一種目標數據的上報方法，其特征在于，包括：

獲取目標數據組，其中，所述目標數據組包括目標數據和至少一組對比數據；

利用多個目標神經網絡模型提取所述目標數據組中包括的每組數據的特征，以得到目標特征組；

基于所述目標特征組確定所述目標數據的特征與各個所述對比數據的特征的相似度；

當所述相似度滿足目標條件的情況下，上報所述目標數據。

2.根據權利要求1所述的方法，其特征在于，在提取所述目標數據組中包括的每組數據的特征，以得到目標特征組之前，所述方法還包括：

利用分類網絡模型構建多個所述目標神經網絡模型。

3.根據權利要求2所述的方法，其特征在于，利用分類網絡模型構建多個所述目標神經網絡模型包括：

構建與所述分類網絡模型相同的多個第一神經網絡模型；

對多個所述第一神經網絡模型均進行參數初始化操作，以得到多個第二神經網絡模型；

分別設置多個所述第二神經網絡模型中包括的每個所述第二神經網絡模型的學習率參數，以得到多個第三神經網絡模型；

對多個所述第三神經網絡模型分別進行訓練，以得到多個所述目標神經網絡模型。

4.根據權利要求3所述的方法，其特征在于，對多個所述第三神經網絡模型分別進行訓練，以得到多個所述目標神經網絡模型包括：

利用多組第一訓練數據對多個所述第三神經網絡模型進行訓練，以得到多個所述目標神經網絡模型，其中，每組所述第一訓練數據均包括有預定類型的數據組，以及所述預定類型的數據的特征信息，所述目標數據的類型為所述預定類型。

5.根據權利要求4所述的方法，其特征在于，在利用多組第一訓練數據對多個所述第三神經網絡模型進行訓練，以得到多個所述目標神經網絡模型之前，所述方法還包括：

獲取預定訓練數據，其中，所述預定訓練數據中包括所述預定類型的數據組；

將所述預定訓練數據隨機分成多組；

基于多組所述預定訓練數據以及每組所述預定訓練數據中包括的數據的特征信息確定出多組所述第一訓練數據。

6.根據權利要求1所述的方法，其特征在于，利用多個目標神經網絡模型提取所述目標數據組中包括的每組數據的特征，以得到目標特征組包括：

獲取所述目標數據組中包括的每組數據的初始特征，并確定每組數據的初始特征是否相同；

在確定所述目標數據組中包括的每組數據的所述初始特征不完全相同的情況下，分別利用多個目標神經網絡模型提取所述目標數據組中包括的每組數據的特征，以得到所述目標特征組。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在確定所述目標數據的特征與各個所述對比數據的特征的相似度不滿足所述目標條件的情況下，刪除所述目標數據。

8.一種目標數據的上報裝置，其特征在于，包括：

第一獲取模塊，用于獲取目標數據組，其中，所述目標數據組包括目標數據和至少一組對比數據；

提取模塊，用于利用多個目標神經網絡模型提取所述目標數據組中包括的每組數據的特征，以得到目標特征組；

第一確定模塊，用于基于所述目標特征組確定所述目標數據的特征與各個所述對比數據的特征的相似度；

上報模塊，用于當所述相似度滿足目標條件的情況下，上報所述目標數據。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲有計算機程序，其中，所述計算機程序被處理器執行時實現所述權利要求1至7任一項中所述的方法的步驟。

10.一種電子裝置，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現所述權利要求1至7任一項中所述的方法的步驟。