CN113112019A - 基于改进抗噪鲁棒性学习算法的数据标签降噪系统 - Google Patents

基于改进抗噪鲁棒性学习算法的数据标签降噪系统 Download PDF

Info

Publication number
CN113112019A
CN113112019A CN202110525466.3A CN202110525466A CN113112019A CN 113112019 A CN113112019 A CN 113112019A CN 202110525466 A CN202110525466 A CN 202110525466A CN 113112019 A CN113112019 A CN 113112019A
Authority
CN
China
Prior art keywords
data
unit
noise
output
removal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110525466.3A
Other languages
English (en)
Inventor
邹倩颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu College of University of Electronic Science and Technology of China
Original Assignee
Chengdu College of University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu College of University of Electronic Science and Technology of China filed Critical Chengdu College of University of Electronic Science and Technology of China
Priority to CN202110525466.3A priority Critical patent/CN113112019A/zh
Publication of CN113112019A publication Critical patent/CN113112019A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明属于数据采集技术领域。本发明公开了一种基于改进抗噪鲁棒性学习算法的数据标签降噪系统。先对历史数据进行预处理，从而得到样本数据集；然后对样本数据集进行噪声数据初步去除，从而得到标准数据集；再将标准数据集进行噪声数据深度去除，从而得到目标数据，再进行相应的数据封装，得到目标数据集；经过两次噪声去除，进一步保障了数据标签降噪效果。针对不同的数据异常对应进行不同的异常故障定位，从而快速对故障部分进行应急处理，保证了数据标签降噪系统的可靠持续运行。

Description

基于改进抗噪鲁棒性学习算法的数据标签降噪系统
技术领域
本发明属于数据处理技术领域，具体涉及基于改进抗噪鲁棒性学习算法的数据标签降噪系统。
背景技术
深度神经网络尽管获得了经验上的广泛成功，但众所周知地易受对抗攻击的影响。考虑所谓的标签翻转，其中训练集的标签被对抗地操纵，以降低经训练的分类器的性能。例如，可以尝试操纵训练集，使得特定的输入模式在测试时间触发某些分类。然而，不同于测试时间对抗设置，在存在合理有效的防御来构建对抗鲁棒的深度神经网络的情况下，对于构建对数据中毒攻击鲁棒的深度分类器做出了相对较少的工作。
但是，现阶段对于数据标签降噪往往只是采用一次性的深度学习进行，当神经网络模型较为初级时，并不能实现较佳的数据标签降噪功能。
因此,现阶段需设计基于改进抗噪鲁棒性学习算法的数据标签降噪系统,来解决以上问题。
发明内容
本发明目的在于提供基于改进抗噪鲁棒性学习算法的数据标签降噪系统，用于解决上述现有技术中存在的技术问题，如：现阶段对于数据标签降噪往往只是采用一次性的深度学习进行，当神经网络模型较为初级时，并不能实现较佳的数据标签降噪功能。
为实现上述目的，本发明的技术方案是：
基于改进抗噪鲁棒性学习算法的数据标签降噪系统，包括数据获取单元，用于获取相应建筑图片的历史数据集并发送至数据预处理单元；
数据预处理单元，用于将所述历史数据集进行去重归一化处理，得到样本数据集并发送至噪声数据初步去除单元；
噪声数据初步去除单元，用于将所述样本数据集进行分类，即按照预设的噪声标签和标准标签，分别将所述样本数据集分类为噪声数据和标准数据，进而去除所有的所述噪声数据，保留所有的所述标准数据并记为标准数据集并发送至噪声数据深度去除单元；
噪声数据深度去除单元，用于通过鲁棒性学习算法深度去除将所述标准数据集中剩余的噪声数据，从而得到目标数据并发送至目标数据封装单元；
目标数据封装单元，用于将所有的所述目标数据按照预设的数据标签格式进行封装，从而得到目标数据集。
进一步的，还包括数据存储单元，所述数据存储单元中存储有所述历史数据集在正常情况下进行去重归一化处理后得到的标准样本数据集；
还包括样本数据集检验单元，用于将所述样本数据集与所述标准样本数据集进行匹配判断，若所述样本数据集与所述标准样本数据集不匹配，则判定所述样本数据集异常；
还包括数据获取输出识别单元、数据预处理输入识别单元；
所述数据获取输出识别单元用于识别所述数据获取单元的输出端的数据输出是否属于正常状态；
所述数据预处理输入识别单元用于识别所述数据预处理单元的输入端的数据输入是否属于正常状态；
当判定所述样本数据集异常时，
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出不是属于正常状态，则判定所述数据获取单元出现故障；
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出是属于正常状态，所述数据预处理输入识别单元识别到所述数据预处理单元的输入端的数据输入不是属于正常状态，则判定所述数据获取单元与所述数据预处理单元之间的数据传输出现故障；
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出是属于正常状态，所述数据预处理输入识别单元识别到所述数据预处理单元的输入端的数据输入是属于正常状态，则判定所述数据预处理单元出现故障。
进一步的，所述数据存储单元中存储有所述样本数据集在正常情况下进行去除所有的所述噪声数据处理后得到的基准标准数据集；
还包括标准数据集检验单元，用于将所述标准数据集与所述基准标准数据集进行匹配判断，若所述标准数据集与所述基准标准数据集不匹配，则判定所述标准数据集异常；
还包括数据预处理输出识别单元、初步去除输入识别单元；
所述数据预处理输出识别单元用于识别所述数据预处理单元的输出端的数据输出是否属于正常状态；
所述初步去除输入识别单元用于识别所述噪声数据初步去除单元的输入端的数据输入是否属于正常状态；
当判定所述标准数据集异常时，
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出不是属于正常状态，则判定所述数据预处理单元出现故障；
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出是属于正常状态，所述初步去除输入识别单元识别到所述噪声数据初步去除单元的输入端的数据输入不是属于正常状态，则判定所述数据预处理单元与所述噪声数据初步去除单元之间的数据传输出现故障；
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出是属于正常状态，所述初步去除输入识别单元识别到所述噪声数据初步去除单元的输入端的数据输入是属于正常状态，则判定所述噪声数据初步去除单元出现故障。
进一步的，所述数据存储单元中存储有所述目标数据在正常情况下进行深度去除噪声数据处理后得到的基准目标数据；
还包括目标数据检验单元，用于将所述目标数据与所述基准目标数据进行匹配判断，若所述目标数据与所述基准目标数据不匹配，则判定所述目标数据异常；
还包括初步去除输出识别单元、深度去除输入识别单元；
所述初步去除输出识别单元用于识别所述噪声数据初步去除单元的输出端的数据输出是否属于正常状态；
所述深度去除输入识别单元用于识别所述噪声数据深度去除单元的输入端的数据输入是否属于正常状态；
当判定所述目标数据异常时，
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出不是属于正常状态，则判定所述噪声数据初步去除单元出现故障；
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出是属于正常状态，所述深度去除输入识别单元识别到所述噪声数据深度去除单元的输入端的数据输入不是属于正常状态，则判定所述噪声数据初步去除单元与所述噪声数据深度去除单元之间的数据传输出现故障；
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出是属于正常状态，所述深度去除输入识别单元识别到所述噪声数据深度去除单元的输入端的数据输入是属于正常状态，则判定所述噪声数据深度去除单元出现故障。
与现有技术相比，本发明所具有的有益效果为：
本方案的一个创新点在于，先对历史数据进行预处理，从而得到样本数据集；然后对样本数据集进行噪声数据初步去除，从而得到标准数据集；再将标准数据集进行噪声数据深度去除，从而得到目标数据，再进行相应的数据封装，得到目标数据集；经过两次噪声去除，进一步保障了数据标签降噪效果。
附图说明
图1是本发明具体实施方式的实施例1的结构示意图。
图2是本发明具体实施方式的实施例2的结构示意图。
具体实施方式
下面结合本发明的附图1-2，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如图1所示，因此提出一种基于改进抗噪鲁棒性学习算法的数据标签降噪系统，包括数据获取单元，用于获取相应建筑图片的历史数据集并发送至数据预处理单元；
数据预处理单元，用于将所述历史数据集进行去重归一化处理，得到样本数据集并发送至噪声数据初步去除单元；
噪声数据初步去除单元，用于将所述样本数据集进行分类，即按照预设的噪声标签和标准标签，分别将所述样本数据集分类为噪声数据和标准数据，进而去除所有的所述噪声数据，保留所有的所述标准数据并记为标准数据集并发送至噪声数据深度去除单元；
噪声数据深度去除单元，用于通过鲁棒性学习算法深度去除将所述标准数据集中剩余的噪声数据，从而得到目标数据并发送至目标数据封装单元；
目标数据封装单元，用于将所有的所述目标数据按照预设的数据标签格式进行封装，从而得到目标数据集。
上述方案中，先对历史数据进行预处理，从而得到样本数据集；然后对样本数据集进行噪声数据初步去除，从而得到标准数据集；再将标准数据集进行噪声数据深度去除，从而得到目标数据，再进行相应的数据封装，得到目标数据集；经过两次噪声去除，进一步保障了数据标签降噪效果。针对不同的数据异常对应进行不同的异常故障定位，从而快速对故障部分进行应急处理，保证了数据标签降噪系统的可靠持续运行。
实施例2：
如图2所示，在实施例1的基础上进一步的，还包括数据存储单元，所述数据存储单元中存储有所述历史数据集在正常情况下进行去重归一化处理后得到的标准样本数据集；
还包括样本数据集检验单元，用于将所述样本数据集与所述标准样本数据集进行匹配判断，若所述样本数据集与所述标准样本数据集不匹配，则判定所述样本数据集异常；
还包括数据获取输出识别单元、数据预处理输入识别单元；
所述数据获取输出识别单元用于识别所述数据获取单元的输出端的数据输出是否属于正常状态；
所述数据预处理输入识别单元用于识别所述数据预处理单元的输入端的数据输入是否属于正常状态；
当判定所述样本数据集异常时，
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出不是属于正常状态，则判定所述数据获取单元出现故障；
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出是属于正常状态，所述数据预处理输入识别单元识别到所述数据预处理单元的输入端的数据输入不是属于正常状态，则判定所述数据获取单元与所述数据预处理单元之间的数据传输出现故障；
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出是属于正常状态，所述数据预处理输入识别单元识别到所述数据预处理单元的输入端的数据输入是属于正常状态，则判定所述数据预处理单元出现故障。
进一步的，所述数据存储单元中存储有所述样本数据集在正常情况下进行去除所有的所述噪声数据处理后得到的基准标准数据集；
还包括标准数据集检验单元，用于将所述标准数据集与所述基准标准数据集进行匹配判断，若所述标准数据集与所述基准标准数据集不匹配，则判定所述标准数据集异常；
还包括数据预处理输出识别单元、初步去除输入识别单元；
所述数据预处理输出识别单元用于识别所述数据预处理单元的输出端的数据输出是否属于正常状态；
所述初步去除输入识别单元用于识别所述噪声数据初步去除单元的输入端的数据输入是否属于正常状态；
当判定所述标准数据集异常时，
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出不是属于正常状态，则判定所述数据预处理单元出现故障；
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出是属于正常状态，所述初步去除输入识别单元识别到所述噪声数据初步去除单元的输入端的数据输入不是属于正常状态，则判定所述数据预处理单元与所述噪声数据初步去除单元之间的数据传输出现故障；
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出是属于正常状态，所述初步去除输入识别单元识别到所述噪声数据初步去除单元的输入端的数据输入是属于正常状态，则判定所述噪声数据初步去除单元出现故障。
进一步的，所述数据存储单元中存储有所述目标数据在正常情况下进行深度去除噪声数据处理后得到的基准目标数据；
还包括目标数据检验单元，用于将所述目标数据与所述基准目标数据进行匹配判断，若所述目标数据与所述基准目标数据不匹配，则判定所述目标数据异常；
还包括初步去除输出识别单元、深度去除输入识别单元；
所述初步去除输出识别单元用于识别所述噪声数据初步去除单元的输出端的数据输出是否属于正常状态；
所述深度去除输入识别单元用于识别所述噪声数据深度去除单元的输入端的数据输入是否属于正常状态；
当判定所述目标数据异常时，
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出不是属于正常状态，则判定所述噪声数据初步去除单元出现故障；
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出是属于正常状态，所述深度去除输入识别单元识别到所述噪声数据深度去除单元的输入端的数据输入不是属于正常状态，则判定所述噪声数据初步去除单元与所述噪声数据深度去除单元之间的数据传输出现故障；
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出是属于正常状态，所述深度去除输入识别单元识别到所述噪声数据深度去除单元的输入端的数据输入是属于正常状态，则判定所述噪声数据深度去除单元出现故障。
上述方案中，针对不同的数据异常对应进行不同的异常故障定位，从而快速对故障部分进行应急处理，保证了数据标签降噪系统的可靠持续运行。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (4)

1.基于改进抗噪鲁棒性学习算法的数据标签降噪系统，其特征在于，包括数据获取单元，用于获取相应建筑图片的历史数据集并发送至数据预处理单元；
数据预处理单元，用于将所述历史数据集进行去重归一化处理，得到样本数据集并发送至噪声数据初步去除单元；
噪声数据初步去除单元，用于将所述样本数据集进行分类，即按照预设的噪声标签和标准标签，分别将所述样本数据集分类为噪声数据和标准数据，进而去除所有的所述噪声数据，保留所有的所述标准数据并记为标准数据集并发送至噪声数据深度去除单元；
噪声数据深度去除单元，用于通过鲁棒性学习算法深度去除将所述标准数据集中剩余的噪声数据，从而得到目标数据并发送至目标数据封装单元；
目标数据封装单元，用于将所有的所述目标数据按照预设的数据标签格式进行封装，从而得到目标数据集。
2.如权利要求1所述的基于改进抗噪鲁棒性学习算法的数据标签降噪系统，其特征在于，还包括数据存储单元，所述数据存储单元中存储有所述历史数据集在正常情况下进行去重归一化处理后得到的标准样本数据集；
还包括样本数据集检验单元，用于将所述样本数据集与所述标准样本数据集进行匹配判断，若所述样本数据集与所述标准样本数据集不匹配，则判定所述样本数据集异常；
还包括数据获取输出识别单元、数据预处理输入识别单元；
所述数据获取输出识别单元用于识别所述数据获取单元的输出端的数据输出是否属于正常状态；
所述数据预处理输入识别单元用于识别所述数据预处理单元的输入端的数据输入是否属于正常状态；
当判定所述样本数据集异常时，
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出不是属于正常状态，则判定所述数据获取单元出现故障；
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出是属于正常状态，所述数据预处理输入识别单元识别到所述数据预处理单元的输入端的数据输入不是属于正常状态，则判定所述数据获取单元与所述数据预处理单元之间的数据传输出现故障；
若所述数据获取输出识别单元识别到所述数据获取单元的输出端的数据输出是属于正常状态，所述数据预处理输入识别单元识别到所述数据预处理单元的输入端的数据输入是属于正常状态，则判定所述数据预处理单元出现故障。
3.如权利要求2所述的基于改进抗噪鲁棒性学习算法的数据标签降噪系统，其特征在于，所述数据存储单元中存储有所述样本数据集在正常情况下进行去除所有的所述噪声数据处理后得到的基准标准数据集；
还包括标准数据集检验单元，用于将所述标准数据集与所述基准标准数据集进行匹配判断，若所述标准数据集与所述基准标准数据集不匹配，则判定所述标准数据集异常；
还包括数据预处理输出识别单元、初步去除输入识别单元；
所述数据预处理输出识别单元用于识别所述数据预处理单元的输出端的数据输出是否属于正常状态；
所述初步去除输入识别单元用于识别所述噪声数据初步去除单元的输入端的数据输入是否属于正常状态；
当判定所述标准数据集异常时，
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出不是属于正常状态，则判定所述数据预处理单元出现故障；
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出是属于正常状态，所述初步去除输入识别单元识别到所述噪声数据初步去除单元的输入端的数据输入不是属于正常状态，则判定所述数据预处理单元与所述噪声数据初步去除单元之间的数据传输出现故障；
若所述数据预处理输出识别单元识别到所述数据预处理单元的输出端的数据输出是属于正常状态，所述初步去除输入识别单元识别到所述噪声数据初步去除单元的输入端的数据输入是属于正常状态，则判定所述噪声数据初步去除单元出现故障。
4.如权利要求3所述的基于改进抗噪鲁棒性学习算法的数据标签降噪系统，其特征在于，所述数据存储单元中存储有所述目标数据在正常情况下进行深度去除噪声数据处理后得到的基准目标数据；
还包括目标数据检验单元，用于将所述目标数据与所述基准目标数据进行匹配判断，若所述目标数据与所述基准目标数据不匹配，则判定所述目标数据异常；
还包括初步去除输出识别单元、深度去除输入识别单元；
所述初步去除输出识别单元用于识别所述噪声数据初步去除单元的输出端的数据输出是否属于正常状态；
所述深度去除输入识别单元用于识别所述噪声数据深度去除单元的输入端的数据输入是否属于正常状态；
当判定所述目标数据异常时，
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出不是属于正常状态，则判定所述噪声数据初步去除单元出现故障；
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出是属于正常状态，所述深度去除输入识别单元识别到所述噪声数据深度去除单元的输入端的数据输入不是属于正常状态，则判定所述噪声数据初步去除单元与所述噪声数据深度去除单元之间的数据传输出现故障；
若所述初步去除输出识别单元识别到所述噪声数据初步去除单元的输出端的数据输出是属于正常状态，所述深度去除输入识别单元识别到所述噪声数据深度去除单元的输入端的数据输入是属于正常状态，则判定所述噪声数据深度去除单元出现故障。
CN202110525466.3A 2021-05-14 2021-05-14 基于改进抗噪鲁棒性学习算法的数据标签降噪系统 Pending CN113112019A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110525466.3A CN113112019A (zh) 2021-05-14 2021-05-14 基于改进抗噪鲁棒性学习算法的数据标签降噪系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110525466.3A CN113112019A (zh) 2021-05-14 2021-05-14 基于改进抗噪鲁棒性学习算法的数据标签降噪系统

Publications (1)

Publication Number Publication Date
CN113112019A true CN113112019A (zh) 2021-07-13

Family

ID=76722556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110525466.3A Pending CN113112019A (zh) 2021-05-14 2021-05-14 基于改进抗噪鲁棒性学习算法的数据标签降噪系统

Country Status (1)

Country Link
CN (1) CN113112019A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114970689A (zh) * 2022-05-11 2022-08-30 北京百度网讯科技有限公司 一种检测样本的方法、装置及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2771286A1 (en) * 2009-08-11 2010-11-05 Certusview Technologies, Llc Locating equipment communicatively coupled to or equipped with a mobile/portable device
US20200034693A1 (en) * 2018-07-27 2020-01-30 Samsung Electronics Co., Ltd. Method for detecting defects in semiconductor device
US20200250304A1 (en) * 2019-02-01 2020-08-06 Nec Laboratories America, Inc. Detecting adversarial examples
CN111899320A (zh) * 2020-08-20 2020-11-06 腾讯科技（深圳）有限公司 数据处理的方法、动捕去噪模型的训练方法及装置
CN112257855A (zh) * 2020-11-26 2021-01-22 Oppo（重庆）智能科技有限公司 一种神经网络的训练方法及装置、电子设备及存储介质
CN112307860A (zh) * 2019-10-10 2021-02-02 北京沃东天骏信息技术有限公司 图像识别模型训练方法和装置、图像识别方法和装置
US20210089883A1 (en) * 2019-09-24 2021-03-25 Salesforce.Com, Inc. System and Method for Learning with Noisy Labels as Semi-Supervised Learning

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2771286A1 (en) * 2009-08-11 2010-11-05 Certusview Technologies, Llc Locating equipment communicatively coupled to or equipped with a mobile/portable device
US20200034693A1 (en) * 2018-07-27 2020-01-30 Samsung Electronics Co., Ltd. Method for detecting defects in semiconductor device
US20200250304A1 (en) * 2019-02-01 2020-08-06 Nec Laboratories America, Inc. Detecting adversarial examples
US20210089883A1 (en) * 2019-09-24 2021-03-25 Salesforce.Com, Inc. System and Method for Learning with Noisy Labels as Semi-Supervised Learning
CN112307860A (zh) * 2019-10-10 2021-02-02 北京沃东天骏信息技术有限公司 图像识别模型训练方法和装置、图像识别方法和装置
CN111899320A (zh) * 2020-08-20 2020-11-06 腾讯科技（深圳）有限公司 数据处理的方法、动捕去噪模型的训练方法及装置
CN112257855A (zh) * 2020-11-26 2021-01-22 Oppo（重庆）智能科技有限公司 一种神经网络的训练方法及装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114970689A (zh) * 2022-05-11 2022-08-30 北京百度网讯科技有限公司 一种检测样本的方法、装置及电子设备

Similar Documents

Publication Publication Date Title
US11188789B2 (en) Detecting poisoning attacks on neural networks by activation clustering
KR102185869B1 (ko) 머신러닝과 자연어처리 기술을 활용한 사이버위협 탐지 방법
CN109309630A (zh) 一种网络流量分类方法、系统及电子设备
CN107688742B (zh) 大规模快速移动应用app检测和分析方法
CN110135166B (zh) 一种针对业务逻辑漏洞攻击的检测方法及系统
CN107707541A (zh) 一种流式的基于机器学习的攻击行为日志实时检测方法
CN109087667B (zh) 语音流利度识别方法、装置、计算机设备及可读存储介质
Kaur et al. Review of various steganalysis techniques
CN109766496B (zh) 一种内容风险识别方法、系统、设备及介质
CN110928862A (zh) 数据清洗方法、数据清洗设备以及计算机存储介质
CN111753290A (zh) 软件类型的检测方法及相关设备
CN113112019A (zh) 基于改进抗噪鲁棒性学习算法的数据标签降噪系统
CN115208835A (zh) Api分类方法、装置、电子设备、介质及产品
CN110766074B (zh) 生物识别方法中异常纹路识别合格性的测试方法及装置
CN116346456A (zh) 业务逻辑漏洞攻击检测模型训练方法及装置
CA3035387C (en) Digitization of industrial inspection sheets by inferring visual relations
CN113468905B (zh) 图形码识别方法、装置、计算机设备和存储介质
CN114445917A (zh) 一种人脸活体识别网络训练方法、系统及电子设备
CN111950606B (zh) 一种刀闸状态识别方法、装置、设备和存储介质
CN104376322A (zh) 一种集装箱箱号预处理质量的智能评测方法
CN108900538B (zh) 一种工控信号检测方法和装置
CN113361455B (zh) 人脸鉴伪模型的训练方法、相关装置及计算机程序产品
CN110674827A (zh) 一种融合深度学习与形态学滤波的设备状态视觉检测方法
CN109344799B (zh) 物品识别方法、装置及设备、存储介质、电子装置
CN111753842B (zh) 票据文本区域检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210713