对象识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种对象识别方法、装置、计算机设备和存储介质。所述方法包括：获取待进行异常识别的目标对象集合；获取各个目标对象分别对应的资源转移特征集合；确定异常检测模型集合；异常检测模型集合中的异常检测模型所采取的异常检测策略不同；通过各个异常检测模型，确定目标对象所对应的资源转移特征集合中，各个资源转移特征在所在特征维度对应的目标特征集合中的分布结果；对异常检测模型集合中各个异常检测模型对目标对象的模型检测结果进行统计，得到目标对象的异常检测结果。上述方案，综合统计多个异常检测模型对应的模型检测结果，能够基于多种分布结果来确定目标对象的异常检测结果，能有效提高对象识别的准确度。度。度。

【技术实现步骤摘要】
对象识别方法、装置、计算机设备和存储介质


[0001]本申请涉及网络识别
，特别是涉及一种对象识别方法、装置、计 算机设备和存储介质。

技术介绍

[0002]随着网络识别技术的发展，出现了通过网络检测模型来识别对象的技术。 该技术中，通过网络检测模型对输入的特征进行识别，进而得到对应的模型结 果。
[0003]传统技术中，基于标签样本来训练网络检测模型，并基于已训练的网络检 测模型来对对象进行识别。然而，这种方法需要花费较多时间采集大量的标签 样本来进行模型训练，存在标签错误的情况，导致对象识别的准确度降低。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背 景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种对象识别方法、装置、计算 机设备和存储介质。
[0006]一种对象识别方法，所述方法包括：获取待进行异常识别的目标对象集合， 所述目标对象集合包括多个目标对象；获取各个所述目标对象本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象识别方法，其特征在于，所述方法包括：获取待进行异常识别的目标对象集合，所述目标对象集合包括多个目标对象；获取各个所述目标对象分别对应的资源转移特征集合，所述资源转移特征集合包括多个特征维度分别对应的资源转移特征；确定异常检测模型集合，所述异常检测模型集合中包括多个异常检测模型；所述异常检测模型集合中的异常检测模型所采取的异常检测策略不同；通过各个所述异常检测模型，确定所述目标对象所对应的资源转移特征集合中，各个资源转移特征在所在特征维度对应的目标特征集合中的分布结果；基于所述异常检测模型所得到的所述分布结果确定所述异常检测模型对所述目标对象的模型检测结果；对所述异常检测模型集合中各个异常检测模型对所述目标对象的模型检测结果进行统计，得到所述目标对象的异常检测结果。2.根据权利要求1所述的方法，其特征在于，所述通过各个所述异常检测模型，确定所述目标对象所对应的资源转移特征集合中，各个资源转移特征在所在特征维度对应的目标特征集合中的分布结果，包括：在所述目标对象所对应的资源转移特征集合中获取特征维度对应的资源转移特征，得到各个特征维度分别对应的目标特征集合；获取异常检测模型中所述目标特征集合所对应的分布划分方式；基于所述分布划分方式，对资源转移特征在所在特征维度的目标特征集合中进行划分，得到资源转移特征在所在特征维度的目标特征集合中的分布结果。3.根据权利要求2所述的方法，其特征在于，所述目标特征集合所对应的分布划分方式包括基于阈值进行划分的方式，所述获取异常检测模型中所述目标特征集合所对应的分布划分方式；基于所述分布划分方式，对资源转移特征在所在特征维度的目标特征集合中进行划分，得到资源转移特征在所在特征维度的目标特征集合中的分布结果，包括：获取特征分布结构树，所述特征分布结构树包括多个子节点；将特征分布结构树的初始节点作为所述目标对象对应的当前子节点，获取当前子节点所对应的当前特征维度，获取所述当前特征维度所对应的当前目标特征集合的当前特征划分阈值；基于当前特征划分阈值以及所述目标对象在所述当前特征维度的资源转移特征，确定所述资源转移特征在当前目标特征集合中的分布结果；基于所述分布结果确定所述目标对象对应的下一子节点，将下一节点作为更新后的当前子节点，返回获取当前子节点所对应的当前特征维度，获取所述当前特征维度所对应的当前目标特征集合的当前特征划分阈值的步骤，直至所述目标对象对应的子节点更新完毕。4.根据权利要求3所述的方法，其特征在于，所述基于所述异常检测模型所得到的所述分布结果确定所述异常检测模型对所述目标对象的模型检测结果，包括：基于所述分布结果确定所述目标对象所对应的子节点；对所述目标对象所对应的子节点的数量进行统计，得到所述目标对象在所述特征分布结构树中的路径长度；
基于所述路径长度确定所述目标对象对应的第一异常检测值，所述异常检测值与所述路径长度成负相关关系；基于所述第一异常检测值确定所述异常检测模型对所述目标对象的模型检测结果。5.根据权利要求2所述的方法，其特征在于，所述分布划分方式包括基于分布区间进行划分的方式，所述获取异常检测模型中所述目标特征集合所对应的分布划分方式；基于所述分布划分方式，对资源转移特征在所在特征维度的目标特征集合中进行划分，得到资源转移特征在所在特征维度的目标特征集合中的分布结果，包括：获取异常检测模型中所述目标特征集合所对应的特征划分区间集合，所述特征划分区间集合包括多个特征划分区间；获取所述目标特征集合中的资源转移特征在各个特征划分区间的特征数量；基于所述特征数量确定所述特征划分区间所对应的分布密度，将所述分布密度作为所述资源转移特征在所在特征维度的目标特征集合中的分布结果。6.根据权利要求5所述的方法，其特征在于，所述基于所述异常检测模型所得到的所述分布结果确定所述异常检测模型对所述目标对象的模型检测结果，包括：基于所述分布密度确定所述资源转移特征所对应的特征异常检测值，所述特征异常检测值与所述分布密度成负相关关系；对所述目标对象对应的资源转移特征集合中各个资源转移特征所对应的特征异常检测值进行统计，得到所述目标对象对应的第二异常检测值；基于所述第二异常检测值确定所述异常检测模型对所述目标对象的模型检测结果。7.根据权利要求2所述的方法，其特征在于，所述获取异常检测模型中所述目标特征集合所对应的分布划分方式；基于所述分布划分方式，对资源转移特征在所在特征维度的目标特征集合中进行划分，得到资源转移特征在所在特征维度的目标特征集合中的分布结果，包括：确定端部划分阈值；基于所述端部划分阈值确定所述目标特征集合中特征尾部对应的尾部特征集合以及特征首部对应的首部特征集合；对所述尾部特征集合进行统计，得到所述特征维度集合对应的尾部特征统计值；基于所述特征维度集合对应的尾部特...

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