[发明专利]一种异常对象检测方法和装置

权利要求书

1.一种异常对象检测方法，其特征在于，所述异常对象检测方法，包括：

获取目标应用中对象在多个不同场景视角下的属性信息，其中，每个场景视角下的属性信息包括所述对象在每个场景视角下与关联对象之间的关联属性信息；

分别对所述对象在每个场景视角下与关联对象之间的关联属性信息进行注意力特征提取，得到所述对象在每个场景视角下的注意力特征信息；

对所述对象在每个场景视角下的注意力特征信息进行信息融合处理，得到所述对象的目标特征信息；

根据所述目标特征信息对所述对象进行异常检测，得到并输出所述对象的异常检测结果。

2.如权利要求1所述的异常对象检测方法，其特征在于，所述分别对所述对象在每个场景视角下与关联对象之间的关联属性信息进行注意力特征提取，得到所述对象在每个场景视角下的注意力特征信息，包括：

对所述对象在当前场景视角下与关联对象之间的关联属性信息，在多个注意力特征提取层上进行局部注意力特征提取，得到每个注意力特征提取层进行局部注意力特征提取后的局部注意力特征信息；

对所述每个注意力特征提取层进行局部注意力特征提取后的局部注意力特征信息进行信息拼接处理，得到所述对象在当前场景视角下的注意力特征信息。

3.如权利要求2所述的异常对象检测方法，其特征在于，所述对所述对象在当前场景视角下与关联对象之间的关联属性信息，在多个注意力特征提取层上进行局部注意力特征提取，得到每个注意力特征提取层进行局部注意力特征提取后的局部注意力特征信息，包括：

利用所述多个注意力特征提取层中的网络权重因子和注意力系数，分别对当前场景视角中所述对象和关联对象之间的关联属性信息进行线性运算处理，得到每个注意力特征提取层进行线性运算处理后的线性信息；

利用每个注意力特征提取层对所述线性信息进行非线性映射，得到每个注意力特征提取层进行非线性映射后的局部注意力特征信息。

4.如权利要求1所述的异常对象检测方法，其特征在于，所述对所述对象在每个场景视角下的注意力特征信息进行信息融合处理，得到所述对象的目标特征信息，包括：

确定每个场景视角下的注意力特征信息对应的信息融合因子；

将每个场景视角下的注意力特征信息和所述注意力特征信息对应的信息融合因子进行信息融合处理，得到所述对象的目标特征信息。

5.如权利要求1所述的异常对象检测方法，其特征在于，所述分别对所述对象在每个场景视角下与关联对象之间的关联属性信息进行注意力特征提取，包括：

利用目标异常对象检测模型中的多个注意力特征提取层，分别对所述对象在每个场景视角下与关联对象之间的关联属性信息进行注意力特征提取；

所述对所述对象在每个场景视角下的注意力特征信息进行信息融合处理，得到所述对象的目标特征信息，包括：

利用所述目标异常对象检测模型中的信息融合层，对所述对象在每个场景视角下的注意力特征信息进行信息融合处理，得到所述对象的目标特征信息；

所述根据所述目标特征信息对所述对象进行异常检测，得到并输出所述对象的异常检测结果，包括：

利用所述目标异常对象检测模型中的异常对象检测层，根据所述目标特征信息对所述对象进行异常检测，得到并输出所述对象的异常检测结果。

6.如权利要求5所述的异常对象检测方法，其特征在于，所述利用目标异常对象检测模型中的多个注意力特征提取层，分别对所述对象在每个场景视角下与关联对象之间的关联属性信息进行注意力特征提取之前，还包括：

获取待训练异常对象检测模型和模型训练集，所述模型训练集包括多个训练对象的属性信息，所述属性信息包括训练对象在多个场景视角下与关联训练对象之间的关联属性信息；

利用所述待训练异常对象检测模型，分别对所述模型训练集中多个训练对象的关联属性信息进行异常检测，得到所述多个训练对象的异常检测结果；

根据所述模型训练集中多个训练对象的异常检测结果和所述多个训练对象的预设异常标签，确定所述待训练异常对象检测模型的损失信息；

根据所述损失信息对所述待训练异常对象检测模型进行模型优化处理，以得到符合预设条件的目标异常对象检测模型。