[发明专利]稀少内容的分级深度学习模型检测方法、装置、计算机设备

权利要求书

1.一种稀少内容的分级深度学习模型检测方法，其特征在于，包括：

采用分级深度学习模型方式，将推理模型配置为初筛模型和决策模型；其中，所述初筛模型为满足预设性能阈值的模型，所述决策模型为满足预设指标阈值的模型；

调节所述初筛模型的初筛阈值为第一阈值，根据所述第一阈值，从稀少内容中筛选出正常内容；

调整所述决策模型的决策阈值为第二阈值，根据所述第二阈值，从所述经筛选出正常内容后的稀少内容中决策出正常内容；其中，所述第二阈值小于所述第一阈值。

2.如权利要求1所述的稀少内容的分级深度学习模型检测方法，其特征在于，所述采用分级深度学习模型方式，将推理模型配置为初筛模型和决策模型；其中，所述初筛模型为满足预设性能阈值的模型，所述决策模型为满足预设指标阈值的模型，包括：

采用分级深度学习模型方式，根据推理模型的性能数据和指标数据，将推理模型配置为初筛模型和决策模型；其中，所述初筛模型为满足预设性能阈值的模型，所述决策模型为满足预设指标阈值的模型。

3.如权利要求1所述的稀少内容的分级深度学习模型检测方法，其特征在于，所述调节所述初筛模型的初筛阈值为第一阈值，根据所述第一阈值，从稀少内容中筛选出正常内容，包括：

调节所述初筛模型的初筛阈值为第一阈值，获取稀少内容中所有内容数据的正常置信度，从所述稀少内容中筛选出正常置信度高于所述第一阈值的内容数据为正常内容。

4.如权利要求1所述的稀少内容的分级深度学习模型检测方法，其特征在于，所述调整所述决策模型的决策阈值为第二阈值，根据所述第一阈值，从所述经筛选出正常内容后的稀少内容中决策出正常内容；其中，所述第二阈值小于所述第一阈值，包括：

调整所述决策模型的决策阈值为第二阈值，从所述经筛选出正常内容后的稀少内容中决策出正常置信度高于所述第二阈值的内容数据为正常内容。

5.如权利要求1所述的稀少内容的分级深度学习模型检测方法，其特征在于，在所述调整所述决策模型的决策阈值为第二阈值，根据所述第二阈值，从所述经筛选出正常内容后的稀少内容中决策出正常内容；其中，所述第二阈值小于所述第一阈值之后，还包括：

根据所述筛选出的正常内容和所述决策出的正常内容，对所述分级深度学习模型进行训练。

6.一种稀少内容的分级深度学习模型检测装置，其特征在于，包括：

配置模块、筛选模块和决策模块；

所述配置模块，用于采用分级深度学习模型方式，将推理模型配置为初筛模型和决策模型；其中，所述初筛模型为满足预设性能阈值的模型，所述决策模型为满足预设指标阈值的模型；

所述筛选模块，用于调节所述初筛模型的初筛阈值为第一阈值，根据所述第一阈值，从稀少内容中筛选出正常内容；

所述决策模块，用于调整所述决策模型的决策阈值为第二阈值，根据所述第二阈值，从所述经筛选出正常内容后的稀少内容中决策出正常内容；其中，所述第二阈值小于所述第一阈值。

7.如权利要求6所述的稀少内容的分级深度学习模型检测装置，其特征在于，所述配置模块，具体用于：

采用分级深度学习模型方式，根据推理模型的性能数据和指标数据，将推理模型配置为初筛模型和决策模型；其中，所述初筛模型为满足预设性能阈值的模型，所述决策模型为满足预设指标阈值的模型。

8.如权利要求6所述的稀少内容的分级深度学习模型检测装置，其特征在于，所述筛选模块，具体用于：

调节所述初筛模型的初筛阈值为第一阈值，获取稀少内容中所有内容数据的正常置信度，从所述稀少内容中筛选出正常置信度高于所述第一阈值的内容数据为正常内容。

9.如权利要求6所述的稀少内容的分级深度学习模型检测装置，其特征在于，所述决策模块，具体用于：

调整所述决策模型的决策阈值为第二阈值，从所述经筛选出正常内容后的稀少内容中决策出正常置信度高于所述第二阈值的内容数据为正常内容。

10.如权利要求6所述的稀少内容的分级深度学习模型检测装置，其特征在于，所述稀少内容的分级深度学习模型检测装置，还包括：

训练模块；

所述训练模块，用于根据所述筛选出的正常内容和所述决策出的正常内容，对所述分级深度学习模型进行训练。