数据检测方法及装置、电子设备、存储介质制造方法及图纸

本申请的实施例公开了一种数据检测方法及装置、设备、介质。该方法包括：先获取待检测对象对应的初始检测数据，初始检测数据包含多个初始检测结果，每个初始检测结果是从第一检测结果集合包含的多个候选检测结果中选择出的；根据第一检测结果集合生成第二检测结果集合，第二检测结果集合包含多个候选检测结果以及除多个候选检测结果之外的其它候选检测结果；再计算第二检测结果集合中包含的每个候选检测结果与初始检测数据之间的相关性，以从第二检测结果集合中选择与初始检测数据之间的相关性最大的候选检测结果作为待检测对象的目标检测结果。本申请的技术方案提升了检测准确度。确度。确度。

【技术实现步骤摘要】
数据检测方法及装置、电子设备、存储介质


[0001]本申请涉及计算机
，具体而言，涉及一种数据检测方法、数据检测装置、电子设备，以及计算机可读介质。

技术介绍

[0002]多路决策融合是指获取待检测对象的多个检测结果，并对多个检测结果进行融合，得到最终的检测结果。
[0003]但是，相关技术中，在多个检测结果的融合过程中，通常是对多个检测结果进行统计，基于统计结果将多个检测结果中出现次数最高的检测结果作为最终的检测结果，准确度较低。

技术实现思路

[0004]为解决上述技术问题，本申请的实施例提供了一种数据检测方法及装置、设备、介质，进而至少在一定程度上提升了数据检测准确度。
[0005]根据本申请实施例的一个方面，本申请实施例提供了一种数据检测方法，所述方法包括：
[0006]获取待检测对象对应的初始检测数据；其中，所述初始检测数据包含多个初始检测结果，每个初始检测结果是从第一检测结果集合包含的多个候选检测结果中选择出的；
[0007]根据所述第一检测结果集合生成第二检测结果集合；其中，所述第二检测结果集合包含所述多个候选检测结果以及除所述多个候选检测结果之外的其它候选检测结果；
[0008]计算所述第二检测结果集合中包含的每个候选检测结果与所述初始检测数据之间的相关性；
[0009]从所述第二检测结果集合中选择与所述初始检测数据之间的相关性最大的候选检测结果，并将选择出的候选检测结果作为所述待检测对象的目标检测结果。
[0010]根据本申请实施例的一个方面，本申请实施例提供了一种数据检测装置，所述装置包括：
[0011]数据获取模块，配置为获取待检测对象对应的初始检测数据；其中，所述初始检测数据包含多个初始检测结果，每个初始检测结果是从第一检测结果集合包含的多个候选检测结果中选择出的；
[0012]集合获取模块，配置为根据所述第一检测结果集合生成第二检测结果集合；其中，所述第二检测结果集合包含所述多个候选检测结果以及除所述多个候选检测结果之外的其它候选检测结果；
[0013]计算模块，配置为计算所述第二检测结果集合中包含的每个候选检测结果与所述初始检测数据之间的相关性；
[0014]检测模块，配置为从所述第二检测结果集合中选择与所述初始检测数据之间的相关性最大的候选检测结果，并将选择出的候选检测结果作为所述待检测对象的目标检测结
果。
[0015]在本申请的一个实施例中，基于前述方案，所述计算模块，具体配置为：
[0016]将所述初始检测数据以及所述第二检测结果集合输入检测模型中，以通过所述检测模型计算所述第二检测结果集合中包含的每个候选检测结果与所述初始检测数据之间的相关性。
[0017]在本申请的一个实施例中，基于前述方案，所述装置还包括：
[0018]训练数据获取模块，配置为获取多条训练数据；其中，每条训练数据包含样本对象对应的初始检测数据、目标检测结果以及期望检测结果，所述期望检测结果是根据标注数据从所述第一检测结果集合中选择出的；
[0019]训练模块，配置为根据所述多条训练数据对所述检测模型进行训练。
[0020]在本申请的一个实施例中，基于前述方案，所述训练模块包括：
[0021]相关性获取模块，配置为获取每条训练数据中包含的目标检测结果与期望检测结果之间的相关性；
[0022]模型训练模块，配置为根据获取到的相关性以及所述多条训练数据，对所述检测模型的参数进行调整，得到训练后的检测模型。
[0023]在本申请的一个实施例中，基于前述方案，所述模型训练模块包括：
[0024]目标选择模块，配置为从所述多条训练数据中选择目标训练数据；
[0025]下一训练数据获取模块，配置为根据所述多条训练数据的排列顺序，获取位于所述目标训练数据之后的下一条训练数据；
[0026]调整模块，配置为根据所述目标训练数据、所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性，以及所述下一条训练数据包含的初始检测数据，对所述检测模型的参数进行调整；
[0027]重新调整模块，配置为重新从所述多条训练数据中选择目标训练数据，并根据重新选择出的目标训练数据对调整后的检测模型再次进行参数调整，直至最新的检测模型满足设定条件。
[0028]在本申请的一个实施例中，基于前述方案，所述调整模块包括：
[0029]相关性计算模块，配置为通过所述检测模型计算所述第二检测结果集合中包含的每个候选检测结果与所述下一条训练数据中包含的初始检测数据之间的相关性，得到多个相关性数值；
[0030]最大数值确定模块，配置为从所述多个相关性数值中选择最大相关性数值；
[0031]参数调整模块，配置为根据所述最大相关性数值，以及所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性，对所述检测模型的参数进行调整。
[0032]在本申请的一个实施例中，基于前述方案，所述参数调整模块，具体配置为：
[0033]对所述最大相关性数值，以及所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性数值进行求和运算，得到目标数值；
[0034]对所述检测模型的参数进行更新，以使通过更新后的检测模型计算出的目标相关性数值与所述目标数值相匹配；其中，所述目标相关性数值是所述目标训练数据中包含的目标检测结果与初始检测数据之间的相关性数值。
[0035]在本申请的一个实施例中，基于前述方案，所述装置还包括：
[0036]测试数据获取模块，配置为获取测试数据、最新一轮调整过程中的待调整检测模型，以及对所述待调整检测模型进行参数调整得到的最新检测模型；其中，所述测试数据包含测试对象对应的初始检测数据以及目标检测结果；
[0037]第一数值计算模块，配置为通过所述待调整检测模型计算所述测试数据中包含的初始检测数据与目标检测结果之间的相关性，得到第一相关性数值；
[0038]第二数值计算模块，配置为通过所述最新检测模型计算所述测试数据中包含的初始检测数据与目标检测结果之间的相关性，得到第二相关性数值；
[0039]差异计算模块，配置为计算所述第一相关性数值与所述第二相关性数值之间的差异，得到差异数值；
[0040]条件确定模块，配置为若所述差异数值小于设定阈值，则确定所述最新检测模型满足设定条件。
[0041]在本申请的一个实施例中，基于前述方案，在所述测试数据的数量为多条的条件下，所述差异计算模块，具体配置为：
[0042]计算每条测试数据对应的第一相关性数值与第二相关性数值之间的差异值；
[0043]计算多条测试数据对应的差异值的平方和，得到待处理数值；
[0044]计算所述待处理数值的平方根，并将计算得到的平方根作为所述差异数值。
[0045]在本申请的一个实施例中，基于前述方案，所述数据获取模块包括：
[0046]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据检测方法，其特征在于，所述方法包括：获取待检测对象对应的初始检测数据；其中，所述初始检测数据包含多个初始检测结果，每个初始检测结果是从第一检测结果集合包含的多个候选检测结果中选择出的；根据所述第一检测结果集合生成第二检测结果集合；其中，所述第二检测结果集合包含所述多个候选检测结果以及除所述多个候选检测结果之外的其它候选检测结果；计算所述第二检测结果集合中包含的每个候选检测结果与所述初始检测数据之间的相关性；从所述第二检测结果集合中选择与所述初始检测数据之间的相关性最大的候选检测结果，并将选择出的候选检测结果作为所述待检测对象的目标检测结果。2.如权利要求1所述的方法，其特征在于，所述计算所述第二检测结果集合中包含的每个候选检测结果与所述初始检测数据之间的相关性，包括：将所述初始检测数据以及所述第二检测结果集合输入检测模型中，以通过所述检测模型计算所述第二检测结果集合中包含的每个候选检测结果与所述初始检测数据之间的相关性。3.如权利要求2所述的方法，其特征在于，所述方法还包括：获取多条训练数据；其中，每条训练数据包含样本对象对应的初始检测数据、目标检测结果以及期望检测结果，所述期望检测结果是根据标注数据从所述第一检测结果集合中选择出的；根据所述多条训练数据对所述检测模型进行训练。4.如权利要求3所述的方法，其特征在于，所述根据所述多条训练数据对所述检测模型进行训练，包括：获取每条训练数据中包含的目标检测结果与期望检测结果之间的相关性；根据获取到的相关性以及所述多条训练数据，对所述检测模型的参数进行调整，得到训练后的检测模型。5.如权利要求4所述的方法，其特征在于，所述根据获取到的相关性以及所述多条训练数据，对所述检测模型的参数进行调整，得到训练后的检测模型，包括：从所述多条训练数据中选择目标训练数据；根据所述多条训练数据的排列顺序，获取位于所述目标训练数据之后的下一条训练数据；根据所述目标训练数据、所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性，以及所述下一条训练数据包含的初始检测数据，对所述检测模型的参数进行调整；重新从所述多条训练数据中选择目标训练数据，并根据重新选择出的目标训练数据对调整后的检测模型再次进行参数调整，直至最新的检测模型满足设定条件。6.如权利要求5所述的方法，其特征在于，所述根据所述目标训练数据、所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性，以及所述下一条训练数据包含的初始检测数据，对所述检测模型的参数进行调整，包括：通过所述检测模型计算所述第二检测结果集合中包含的每个候选检测结果与所述下一条训练数据中包含的初始检测数据之间的相关性，得到多个相关性数值；
从所述多个相关性数值中选择最大相关性数值；根据所述最大相关性数值，以及所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性，对所述检测模型的参数进行调整。7.如权利要求6所述的方法，其特征在于，所述根据所述最大相关性数值，以及所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性，对所述检测模型的参数进行调整，包括：对所述最大相关性数值，以及所述目标训练数据中包含的目标检测结果与期望检测结果之间的相关性数值进行求和运算，得到目标数值；对所述检测模型的参数进行更新，以使通过更新后的检测模型计算出的目标相关性数值与所述目标数值相匹配；其中，所述目标相关性数值是所述目标训练数据中包含的目标检测结果与初始检测数据之间的相关性数值。8.如权利要求5所述的方法，其特征在于，所述方法还包括：获取测试数据、最新一轮调整过程中的待调整检测模型，以及对所述待...

【专利技术属性】
技术研发人员：钱浩然，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：