[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

说明书

根据本公开的一实施例，本公开揭示了计算机可读存储介质，存储有计算机程序。所述计算机程序在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。

技术领域

本公开涉及利用计算装置的数据处理，更具体地，涉及通过利用计算装置来体现的人工智能的数据处理。

背景技术

为了解决复杂或未知的问题，进行了将人类所知的识别方法适用于设备的研究。作为这种研究中的一个，具有将人类的生物学神经细胞建模的神经网络(neuralnetwork)。神经网络利用模仿人类所持有的学习能力的算法。神经网络通过学习执行输入模式和输出模式之间的思想(mapping)。并且，神经网络以学习的结果为基础，具有对不用于学习的输入模式，可生成比较正确输出的一般化能力。

发明内容

本公开用于提供利用计算装置来处理数据的方法。

用于解决所述问题的本公开一实施例公开了计算机可读存储介质，存储有计算机程序。所述计算机程序在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。

代替性地，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，能够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。

代替性地，导出对所述输入数据的第一次检查结果的工作可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。

代替性地，所述分类模型可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。

代替性地，所述分类模型可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。

代替性地，所述目标数据和所述目标类似数据可以为标记有第一集群信息的数据，而且，目标非类似数据可以为标记有第二集群信息的数据。

代替性地，在所述目标数据为包含异常的数据的情况下，所述目标类似数据可以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可以为不包含异常的数据。

代替性地，在所述目标数据为包含异常的图像的情况下，所述目标类似数据可以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可以为不包含异常的图像。

代替性地，所述目标数据可以为在图像的中心部包含所述异常的图像。

代替性地，所述目标非类似数据可以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。

代替性地，能够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。

代替性地，所述目标数据包含与可与对象客体分离来发生的异常状况有关的图像，所述目标类似数据可包含具有所述目标数据的至少一部分的图像。

代替性地，所述目标数据及所述目标类似数据可以为包含误报的数据。