[发明专利]数据的审核方法、装置及设备

权利要求书

1.一种数据的审核方法，其特征在于，包括：

在预设的多个选择函数中确定至少一个目标选择函数，所述选择函数用于选择待标注的样本数据；

根据所述目标选择函数在待标注的多个样本数据中确定至少一个目标样本数据；

确定与所述目标样本数据相对应的标注样本数据；

利用所述标注样本数据对预设的审核模型进行优化训练，并利用优化训练后的审核模型对待处理数据进行审核。

2.根据权利要求1所述的方法，其特征在于，在预设的多个选择函数中确定至少一个目标选择函数，包括：

利用所述审核模型，获取与每个选择函数相对应的预估精确度；

将最大的预估精确度所对应的选择函数确定为所述目标选择函数。

3.根据权利要求1所述的方法，其特征在于，在预设的多个选择函数中确定至少一个目标选择函数之前，所述方法还包括：

为多个选择函数中的每个选择函数配置选择概率和最小选择概率，所述最小选择概率大于0。

4.根据权利要求3所述的方法，其特征在于，在利用所述标注样本数据对预设的审核模型进行优化训练之后，所述方法还包括：

获取所述审核模型的模型反馈信息；

根据所述模型反馈信息对所述目标选择函数的选择概率进行调整。

5.根据权利要求4所述的方法，其特征在于，根据所述模型反馈信息对所述目标选择函数的选择概率进行调整，包括：

当所述模型反馈信息为正向反馈时，则增大所述目标选择函数的选择概率；或者，

当所述模型反馈信息为负向反馈时，则减小所述目标选择函数的选择概率。

6.根据权利要求3所述的方法，其特征在于，根据所述目标选择函数在待标注的多个样本数据中确定至少一个目标样本数据，包括：

根据所述目标选择函数确定与每个所述样本数据所对应的样本选择概率；

将最大的样本选择概率所对应的至少一个样本数据确定为所述目标样本数据。

7.根据权利要求6所述的方法，其特征在于，根据所述目标选择函数确定与每个样本数据所对应的样本选择概率，包括：

确定每个样本数据被所有选择函数进行选择的待选择概率；

将每个样本数据的待选择概率与所述目标选择函数的选择概率的乘积之和确定为与每个样本数据所对应的样本选择概率。

8.根据权利要求1-7中任意一项所述的方法，其特征在于，在所述目标样本数据为多个时，所述方法还包括：

对多个所述目标样本数据进行筛选，获得筛选后样本数据。

9.一种模型的训练方法，其特征在于，包括：

在预设的多个选择函数中确定至少一个目标选择函数，所述选择函数用于选择待标注的样本数据；

根据所述目标选择函数在待标注的多个样本数据中确定至少一个目标样本数据；

确定与所述目标样本数据相对应的标注样本数据；

利用所述标注样本数据对预设的审核模型进行优化训练。

10.一种数据的处理方法，其特征在于，包括：

获取待处理数据，所述待处理数据中包括至少一个数据对象；

确定与所述数据对象相对应的神经网络，所述神经网络是通过样本数据训练得到的；

利用所述神经网络对所述数据对象进行分析处理，获取与所述数据对象相对应的对象信息。

11.根据权利要求10所述的方法，其特征在于，在所述待处理数据为图像数据时，确定与所述数据对象相对应的神经网络，包括：

获取所述待处理数据的拍摄角度；

根据拍摄角度确定与所述数据对象相对应的神经网络。