【技术实现步骤摘要】
一种数据处理方法、装置、存储介质及电子装置
[0001]本专利技术实施例涉及通信领域，具体而言，涉及一种数据处理方法、装置、存储介质及电子装置。
技术介绍
[0002]随着深度学习的不断发展，对数据的梳理监控作用也愈专利技术显。
[0003]例如，在视频监控领域中，人体属性分类作为监控视频分析当中必不可少的一个步骤，广泛应用于各种安防领域。
[0004]但是，目前的大多数基于深度学习的数据分析主要是利用固定分类标签来进行学习分析的，这种方式对分析模型的性能提升有较明显的缺点。
[0005]例如，在利用固定分类标签进行有监督学习训练人体属性分类模型时，整个模型的训练过程无法针对具体任务获取空间上特定位置特征，仅依赖模型自己的学习能力，难以保证特征注意力集中在特定空间位置（例如，是否戴帽子，特征注意力应集中在头部），导致模型过拟合，泛化能力差。
[0006]或者在利用固定分类标签进行有监督学习训练数据流分类模型时，难以保证特征注意力集中在取某个特定数据通道中，从而导致数据流的分析结果不准确。
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取目标数据；通过目标通道对所述目标数据进行特征分解操作，以得到目标子数据；基于所述目标数据，对所述目标子数据执行分支学习操作，以得到第一损失信息以及第二损失信息，其中，所述第一损失信息包括所述目标数据与执行所述分支学习操作后的所述目标子数据之间的损失信息，所述第二损失信息包括所述目标子数据执行所述分支学习操作后的损失信息；基于所述第一损失信息以及第二损失信息，确定所述目标数据的目标损失信息。2.根据权利要求1所述的方法，其特征在于，基于所述目标数据，对所述目标子数据执行分支学习操作，以得到第一损失信息以及第二损失信息包括：基于所述目标数据，对目标区域的所述目标子数据执行注意力学习操作，以得到所述第一损失信息；对所述目标子数据执行分类学习操作，以得到第一分类信息；对所述第一分类信息执行池化连接计算，以得到第二损失信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标数据，对目标区域的所述目标子数据执行注意力学习操作，以得到所述第一损失信息包括：对所述目标子数据执行卷积操作，以得到目标维度的注意力数据；对所述目标数据执行维度采样操作，以得到所述目标维度的目标维度数据；对所述目标维度数据以及所述注意力数据进行第一损失计算处理，以得到所述第一损失信息。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一损失信息以及第二损失信息，确定所述目标数据的目标损失信息包括：获取所述第一损失信息和第二损失信息的信息权重；基于所述信息权重，对所述第一损失信息和第二损失信息进行损失信息计算，以得到目标损失信息。5.根据权利要求1所述的方法，其特征在于，在所述基于所述第一损失信息以及第二损失信息，确定所述目标数...
【专利技术属性】
技术研发人员：彭垚，严凯，林亦宁，
申请(专利权)人：杭州闪马智擎科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。