一种基于模型可视化的新特征自动预警方法技术

本发明专利技术公开了一种基于模型可视化的新特征自动预警方法，属于数据处理技术领域，解决了有关图像的新特征需要人工处理导致处理较为麻烦且适应不了未来的新变化的问题，其步骤如下：首先需要准备大量历史图片数据；对历史图片数据进行处理；将图片划分为训练集和测试集并使用训练集进行模型训练；使用测试集进行模型预测，抽取每张图片的模型的第一层并进行平均计算，预测分类概率并进行可视化画图；对某一类的图片的可视化热力图结果进行叠加；画出每次得到的平均热力图，发送合成的最终结果图给业务及模型人员并提示其关注颜色突出的区域。本发明专利技术不用人工而识别到新特征区域，并自动预报提醒相关业务人员注意新动向，减少人工分析成本。工分析成本。工分析成本。

【技术实现步骤摘要】
一种基于模型可视化的新特征自动预警方法


[0001]本专利技术属于数据处理
，具体属于一种基于模型可视化的新特征自动预警方法。

技术介绍

[0002]一般金融机构在开展业务的过程中，需要对客户的申请当时的意愿、状态进行辅助核查，以判断客户是否受中介人员指导、是否被电信诈骗，以尽可能保护客户财产安全，及分析客户参与申请但资料不合格的原因。经客户授权影像采集后(一般为图像)，除了核查是否是本人申请外，还需提示客户风险因素。这类风险因素，除了通过告知客户一些典型的中介指导、电信诈骗方法的案例外，还可以通过对申请当时的影像识别，针对具体情况提示客户风险。例如，身边有其他人可提示注意证件安全并防范陌生人，光线暗可提示开灯等，甚至提示资料不合格，以尽可能提升客户体验。而这些提示的特征，往往需要人工提前去设计，大量的特征设计未必能适应未来的新变化。
[0003]有关图像的新特征采用专家经验去制定特征规则，这需要反复思考可能出现的情况，并对可能的情况设计规则；而有些情况是难以提前预料到。可能存在脸部部分遮挡，相关特征规则一定程度失效，以前的检查方式可能会给客户办理业务时带来不便。

技术实现思路

[0004]针对现有技术中有关图像的新特征需要人工处理导致处理较为麻烦且适应不了未来的新变化的问题，本专利技术提供一种基于模型可视化的新特征自动预警方法，其目的在于：本专利技术不用人工而识别到新特征区域，并自动预报提醒相关业务人员注意新动向。利用大数据的深度学习方法，通过历史累积的数据，动态更迭新特征预警，以减少人工分析成本。
[0005]本专利技术采用的技术方案如下：
[0006]一种基于模型可视化的新特征自动预警方法，包括如下步骤：
[0007]步骤1：收集历史图片数据，并对不同的图片分别对应设置一个业务标签；
[0008]步骤2：对历史图片进行处理，得到图片大小统一且图片中的人脸大小统一的历史图片；
[0009]步骤3：将处理后的历史图片划分为训练集和测试集，并使用训练集进行模型训练；
[0010]步骤4：模型训练完成之后，使用测试集进行模型预测，抽取每张历史图片的模型预测中的模型第一层的计算结果，并对所有的计算结果进行平均计算，预测业务标签的分类概率并绘制出可视化热力图，绘制出模型学习到的特征关注区域；
[0011]步骤5：对同一类的历史图片的可视化热力图结果进行叠加，并得到平均热力图；
[0012]步骤6：重复上述步骤1
‑
5，绘出每次得到的平均热力图，将平均热力图合成最终的结果图，以不同显示颜色的方式表示出相关人员需关注的区域。
[0013]采用上述方案，本专利技术利用大数据的深度学习方法，通过历史累积的数据，动态更迭新特征预警，解决了目前图像的新特征采用人工处理导致处理较为麻烦的问题，减少人工分析成本，有效适应未来的新变化。
[0014]优选的，所述步骤2的具体步骤为：
[0015]步骤2.1：进行人脸定位检测，找到人脸位置并标记出人脸检测框以及左眼、右眼、鼻尖和嘴唇两端5个位置；
[0016]步骤2.2：根据标记出的人脸位置坐标，将人脸放大或缩小形成统一的大小，保持人脸大小不变，将人脸所在的图片扩展或裁剪形成统一的大小。
[0017]采用上述方案，对历史图片进行统一的对齐处理，使得所有图片符合标准限制，避免因为每个人拍摄方式不同导致历史图片数据不同，从而影响特征预警的精准性。
[0018]优选的，所述步骤3中，训练集和测试集中划分的历史图像为随机划分，并且训练集和测试集划分的历史图像数量比例为4:1。
[0019]采用上述方案，随机划分的方式，避免了训练集和测试集之间产生较大的差异导致后续的模型预测时出现较大误差。
[0020]优选的，所述步骤3中，设置最大训练次数，模型训练达到最大训练次数时自动停止训练。
[0021]采用上述方案，设置最大训练次数，在模型训练达到预期标准后可自动停止训练，减少人工的干预，避免模型因为训练过多影响后续的测试操作。
[0022]优选的，所述步骤3中的模型选用vit_base_patch16_224的模型进行测试和训练。
[0023]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0024]1、本专利技术利用大数据的深度学习方法，通过历史累积的数据，动态更迭新特征预警，解决了目前图像的新特征采用人工处理导致处理较为麻烦的问题，减少人工分析成本，有效适应未来的新变化。
[0025]2、对历史图片进行统一的对齐处理，使得所有图片符合标准限制，避免因为每个人拍摄方式不同导致历史图片数据不同，从而影响特征预警的精准性。
[0026]3、随机划分的方式，避免了训练集和测试集之间产生较大的差异导致后续的模型预测时出现较大误差。
[0027]4、设置最大训练次数，在模型训练达到预期标准后可自动停止训练，减少人工的干预，避免模型因为训练过多影响后续的测试操作。
附图说明
[0028]本专利技术将通过例子并参照附图的方式说明，其中：
[0029]图1是本专利技术的流程图。
[0030]图2是历史图片数据的标准化流程处理示意图。
[0031]图3是业务标签的分类概率及对应的热力图示例。
[0032]图4是图3中分类为1的平均热力图。
具体实施方式
[0033]本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥
的特征和/或步骤以外，均可以以任何方式组合。
[0034]下面结合图1
‑
图4对本专利技术作详细说明。
[0035]实施例一：
[0036]一种基于模型可视化的新特征自动预警方法，其特征在于，包括如下步骤：
[0037]步骤1：首先需要准备大量历史图片数据，不同图片对应一个业务标签；本方法应用于客户自行拍摄并送审的自拍照片，照片为图片数据。业务标签例如：审核失败、核实电信诈骗、核实中介代办、多次提交、正常通过等。历史图片数据以及对应一个业务标签如表1 展示的样本。
[0038]表1样本准备表格样例
[0039]图像文件路径标签image_folder/image_file_0001.jpg1image_folder/image_file_0002.jpg2image_folder/image_file_0003.jpg2image_folder/image_file_0004.jpg2image_folder/image_file_0005.jpg2image_folder/image_file_0006.jpg1
[0040]步骤2：对历史图片进行处理，得到图片大小统一且图片中的人脸大小统一的历史图片；历史图片数据因为每个人拍摄方式不同，为了使得特征预警更加精准，我们需要对历史图片进行统一的对齐处理，使得所有图片符合标准限制。
[0041]所述步骤2的具体步骤为：...

【技术保护点】

【技术特征摘要】
1.一种基于模型可视化的新特征自动预警方法，其特征在于，包括如下步骤：步骤1：收集历史图片数据，并对不同的图片分别对应设置一个业务标签；步骤2：对历史图片进行处理，得到图片大小统一且图片中的人脸大小统一的历史图片；步骤3：将处理后的历史图片划分为训练集和测试集，并使用训练集进行模型训练；步骤4：模型训练完成之后，使用测试集进行模型预测，抽取每张历史图片的模型预测中的模型第一层的计算结果，并对所有的计算结果进行平均计算，预测业务标签的分类概率并绘制出可视化热力图，绘制出模型学习到的特征关注区域；步骤5：对同一类的历史图片的可视化热力图结果进行叠加，并得到平均热力图；步骤6：重复上述步骤1
‑
5，绘出每次得到的平均热力图，将平均热力图合成最终的结果图，以不同显示颜色的方式表示出相关人员需关注的区域。2.根据权利要求1所述的一种基于模型可视化的新特征自...

【专利技术属性】
技术研发人员：周成，
申请(专利权)人：四川新网银行股份有限公司，
类型：发明
国别省市：