一种行为的确定方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种行为的确定方法、装置、存储介质及电子装置，其中，该方法包括：将目标数据输入至目标网络模型中，得到目标网络模型中包括的多个任务网络输出的行为信息；其中，目标网络模型是通过训练数据集对初始网络模型进行训练得到的模型，用于更新多个任务网络的网络参数的目标损失值是通过如下方式确定的：确定第一次训练中，当每个任务网络的第一损失值，第一次训练为当前次训练的前一次训练；确定第二次训练中，每个任务网络的第二损失值，第二次训练为第一次训练的前一次训练；基于每个第一损失值以及每个第二损失值确定目标损失值。通过本发明专利技术，解决了确定对象的行为效率低的问题，达到提高确定对象的行为的效率的效果。效率的效果。效率的效果。

【技术实现步骤摘要】
一种行为的确定方法、装置、存储介质及电子装置


[0001]本专利技术实施例涉及计算机领域，具体而言，涉及一种行为的确定方法、装置、存储介质及电子装置。

技术介绍

[0002]随着车辆日益增多，加油站数量逐日上涨，如何确保加油站的安全是监管部门一直关注的问题。现存的加油站隐患包括抽烟、玩手机等等，如果人工进行监督则人力资源成本投入太大且耗时。
[0003]由此可知，相关技术中存在确定对象的行为效率低的问题。
[0004]针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种行为的确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的确定对象的行为效率低的问题。
[0006]根据本专利技术的一个实施例，提供了一种行为的确定方法，包括：将目标数据输入至目标网络模型中，得到所述目标网络模型中包括的多个任务网络输出的行为信息，其中，所述行为信息用于指示所述目标数据中包括的目标对象的行为；其中，所述目标网络模型是通过训练数据集对初始网络模型进行训练得到的模型，用于更新多个所述任务网络的网络参数的目标损失值是通过如下方式确定的：确定第一次训练中，当每个所述任务网络的第一损失值，所述第一次训练为当前次训练的前一次训练；确定所述第二次训练中，每个所述任务网络的第二损失值，所述第二次训练为所述第一次训练的前一次训练；基于每个所述第一损失值以及每个所述第二损失值确定所述目标损失值。
[0007]根据本专利技术的另一个实施例，提供了一种行为的确定装置，包括：确定模块，用于将目标数据输入至目标网络模型中，得到所述目标网络模型中包括的多个任务网络输出的行为信息，其中，所述行为信息用于指示所述目标数据中包括的目标对象的行为；其中，所述目标网络模型是通过训练数据集对初始网络模型进行训练得到的模型，用于更新多个所述任务网络的网络参数的目标损失值是通过如下方式确定的：确定第一次训练中，当每个所述任务网络的第一损失值，所述第一次训练为当前次训练的前一次训练；确定所述第二次训练中，每个所述任务网络的第二损失值，所述第二次训练为所述第一次训练的前一次训练；基于每个所述第一损失值以及每个所述第二损失值确定所述目标损失值。
[0008]根据本专利技术的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
[0009]根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
[0010]通过本专利技术，将目标数据输入至目标网络模型中，得到目标网络模型中包括的多个任务网络输出的目标数据中包括的目标对象的行为。由于目标网络模型是通过训练数据集对初始网络模型训练得到的模型，初始网络模型的目标损失值是通过当前次训练的前一次训练的第一损失值，以及当前次训练的前一次训练的前一次训练的第二损失值确定的，即在确定目标损失值时，综合了每个任务网络的当前次训练的前两次训练所得到的损失值，平衡了多了任务网络的训练差异，提高了目标网络模型的识别准确率，因此，可以解决相关技术中存在的确定对象的行为效率低的问题，达到提高确定对象的行为的效率的效果。
附图说明
[0011]图1是本专利技术实施例的一种行为的确定方法的移动终端的硬件结构框图；图2是根据本专利技术实施例的行为的确定方法的流程图；图3是根据本专利技术具体实施例的行为的确定方法流程图；图4是根据本专利技术实施例的行为的确定装置的结构框图。
具体实施方式
[0012]下文中将参考附图并结合实施例来详细说明本专利技术的实施例。
[0013]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0014]为了全面监管到位，需要对多个行为进行分析，需要同时训练多个行为类别是个多任务问题，如何将多个异常行为综合到一个网络且协调工作是一个需要攻克的问题。异常行为不随时发生，如何解决异常行为和正常行为之间数据不平衡的问题是需要专门解决的。
[0015]针对相关技术中存在的上述问题，提出一些实施例。
[0016]本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本专利技术实施例的一种行为的确定方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0017]存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本专利技术实施例中的行为的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0018]传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
[0019]在本实施例中提供了一种行为的确定方法，图2是根据本专利技术实施例的行为的确定方法的流程图，如图2所示，该流程包括如下步骤：步骤S202，将目标数据输入至目标网络模型中，得到所述目标网络模型中包括的多个任务网络输出的行为信息，其中，所述行为信息用于指示所述目标数据中包括的目标对象的行为；其中，所述目标网络模型是通过训练数据集对初始网络模型进行训练得到的模型，用于更新多个所述任务网络的网络参数的目标损失值是通过如下方式确定的：确定第一次训练中，当每个所述任务网络的第一损失值，所述第一次训练为当前次训练的前一次训练；确定所述第二次训练中，每个所述任务网络的第二损失值，所述第二次训练为所述第一次训练的前一次训练；基于每个所述第一损失值以及每个所述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为的确定方法，其特征在于，包括：将目标数据输入至目标网络模型中，得到所述目标网络模型中包括的多个任务网络输出的行为信息，其中，所述行为信息用于指示所述目标数据中包括的目标对象的行为；其中，所述目标网络模型是通过训练数据集对初始网络模型进行训练得到的模型，用于更新多个所述任务网络的网络参数的目标损失值是通过如下方式确定的：确定第一次训练中，每个所述任务网络的第一损失值，所述第一次训练为当前次训练的前一次训练；确定第二次训练中，每个所述任务网络的第二损失值，所述第二次训练为所述第一次训练的前一次训练；基于每个所述第一损失值以及每个所述第二损失值确定所述目标损失值。2.根据权利要求1所述的方法，其特征在于，基于所述第一损失值以及所述第二损失值确定所述目标损失值包括：基于每个所述第一损失值以及每个所述第二损失值确定每个所述任务网络的损失值下降速率；基于每个所述任务网络的所述损失值下降速率确定每个所述任务网络的损失值权重；基于每个所述损失值权重以及每个所述第二损失值确定所述目标损失值。3.根据权利要求2所述的方法，其特征在于，基于每个所述第一损失值以及每个所述第二损失值确定每个所述任务网络的损失值下降速率包括：确定每个所述任务网络的第一损失值与所述第二损失值的比值；将所述比值确定为所述任务网络的所述损失值下降速率。4.根据权利要求2所述的方法，其特征在于，基于每个所述任务网络的所述损失值下降速率确定每个所述任务网络的损失值权重包括：确定每个所述任务网络的所述损失值下降速率与第一参数的第一比值；分别确定以自然常数为底，以每个所述第一比值为指数的第一数值；基于多个所述第一数值确定每个所述任务网络的所述损失值权重。5.根据权利要求4所述的方法，其特征在于，基于多个所述第一数值确定每个所述任务网络的所述损失值权重包括：确定多个所述第一数值的和，得到第...

【专利技术属性】
技术研发人员：雷蕾，倪华健，林亦宁，
申请(专利权)人：北京闪马智建科技有限公司，
类型：发明
国别省市：