[发明专利]计算机可读存储介质、输入数据检查方法以及计算装置在审

专利信息
申请号: 201811528293.5 申请日: 2018-12-13
公开(公告)号: CN111325224A 公开(公告)日: 2020-06-23
发明(设计)人: 宋基永 申请(专利权)人: 数优(苏州)人工智能科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/063;G06N3/08
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 宋融冰
地址: 215000 江苏省苏州市苏州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 计算机 可读 存储 介质 输入 数据 检查 方法 以及 计算 装置
【权利要求书】:

1.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序在计算装置的一个以上的处理器中执行的情况下,执行用于对输入数据进行检查的以下的工作,所述工作包括:

导出对输入数据的第一次检查结果的工作;

通过利用标记有集群信息的学习数据学习的分类模型来对所述输入数据进行分类的工作;以及

以对所述分类模型的所述输入数据的分类结果的至少一部分为基础来输出最终检查结果的工作。

2.根据权利要求1所述的计算机可读存储介质,其特征在于,所述分类模型利用包含多个学习数据子集的学习数据集来学习,以在包含在所述学习数据集中的学习数据中将类似的数据分类为相同集群,且将非类似的数据分类为不同集群的方式学习所述分类模型。

3.根据权利要求1所述的计算机可读存储介质,其特征在于,导出对所述输入数据的第一次检查结果的工作,包括利用包含一个以上的网络函数的预先学习的检查模型来对所述输入数据进行处理,由此,对所述输入数据执行异常检测或者以所述输入数据与参考数据的比较为基础来对所述输入数据执行异常检测的工作。

4.根据权利要求1所述的计算机可读存储介质,其特征在于,所述分类模型利用包含学习数据子集的学习数据集来学习,所述学习数据集包含标记有不同集群信息的学习数据。

5.根据权利要求1所述的计算机可读存储介质,其特征在于,所述分类模型利用包含学习数据子集的学习数据集来学习,所述学习数据集包含目标数据、目标类似数据及目标非类似数据。

6.根据权利要求5所述的计算机可读存储介质,其特征在于,所述目标数据和所述目标类似数据为标记有第一集群信息的数据,而且,目标非类似数据为标记有第二集群信息的数据。

7.根据权利要求5所述的计算机可读存储介质,其特征在于,在所述目标数据为包含异常的数据的情况下,所述目标类似数据为包含与所述目标数据所包含的异常类似的类型的异常的数据,而且,所述目标非类似数据为不包含异常的数据。

8.根据权利要求5所述的计算机可读存储介质,其特征在于,在所述目标数据为包含异常的图像的情况下,所述目标类似数据为以包含所述目标数据所包含的异常的至少一部分的方式裁剪的图像,而且,所述目标非类似数据为不包含异常的图像。

9.根据权利要求8所述的计算机可读存储介质,其特征在于,所述目标数据为在图像的中心部包含所述异常的图像。

10.根据权利要求8所述的计算机可读存储介质,其特征在于,所述目标非类似数据为除所述目标数据的异常之外的部分的至少一部分重复的图像。

11.根据权利要求5所述的计算机可读存储介质,其特征在于,以将所述目标数据和所述目标类似数据分类为相同集群,且将所述目标非类似数据分类为与所述目标数据及所述目标类似数据所属的集群不相同的集群的方式学习所述分类模型。

12.根据权利要求5所述的计算机可读存储介质,其特征在于,所述目标数据包含与能够与对象客体分离来发生的异常状况有关的图像,所述目标类似数据包含具有所述目标数据的至少一部分的图像。

13.根据权利要求5所述的计算机可读存储介质,其特征在于,所述目标数据及所述目标类似数据为包含误报的数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于数优(苏州)人工智能科技有限公司,未经数优(苏州)人工智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811528293.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top