结合RPA的多媒体数据检测方法及系统技术方案

本申请实施例提供一种结合RPA的多媒体数据检测方法及系统，在获取第一数量个携带先验异常违规特征数据的多媒体交互图像序列和第二数量个不携带先验异常违规特征数据的多媒体交互图像序列时，先对基础异常违规检测网络进行无监督网络学习优化，再循环训练优化后的第一异常违规检测网络第三数量次数，生成最终的第二异常违规检测网络，而后生成第一模糊异常违规特征数据，结合该携带先验异常违规特征数据的多媒体交互图像序列和该不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据训练该第二异常违规检测网络，从而提高异常违规检测网络的训练速度，减少训练标注的工作量。减少训练标注的工作量。

【技术实现步骤摘要】
结合RPA的多媒体数据检测方法及系统


[0001]本申请实施例涉及人工智能
，具体而言，涉及一种结合RPA的多媒体数据检测方法及系统。

技术介绍

[0002]机器人流程自动化（Robotic Process Automation，RPA）是以软件机器人及人工智能为基础的业务过程自动化科技。RPA系统是一种应用程序，通过模仿最终用户在电脑的手动操作方式，提供了另一种方式来使最终用户手动操作流程自动化。随着互联网多媒体数据平台的发展，各类基于移动互联网技术的多媒体数据平台应运而生，然而在多媒体数据的交互流程中，某些用户可能会存在一些异常违规行为，因此需要及时对这些用户的异常违规行为进行检测并进行相应处理，如屏蔽、封号等处理。在相关技术中，通常可以结合RPA系统进行人工智能模型的训练和调度，从而对多媒体交互图像中存在的异常违规数据进行检测，然而相关技术中在进行异常违规检测网络的训练时，需要大量的先验异常违规特征数据的标注，训练标注的工作量较大，导致异常违规检测网络的训练速度较为缓慢。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种结合RPA的多媒体数据检测方法及系统。
[0004]基于本申请实施例的一个方面，提供了一种结合RPA的多媒体数据检测方法，包括：获取第一数量个携带先验异常违规特征数据的多媒体交互图像序列和第二数量个不携带先验异常违规特征数据的多媒体交互图像序列；依据所述不携带先验异常违规特征数据的多媒体交互图像序列对基础异常违规检测网络进行无监督网络学习优化，生成第一异常违规检测网络；依据所述携带先验异常违规特征数据的多媒体交互图像序列对所述第一异常违规检测网络遍历进行网络学习优化第三数量次数，生成第二异常违规检测网络；基于所述第二异常违规检测网络和所述不携带先验异常违规特征数据的多媒体交互图像序列，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第一模糊异常违规特征数据；依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成最终的目标异常违规检测网络；基于所述最终的目标异常违规检测网络对输入的目标用户的目标多媒体交互图像进行检测，获得目标多媒体交互图像的异常违规分割数据，并基于所述异常违规分割数据对应的异常违规类型对所述目标用户的账号进行对应处理。
[0005]在第一方面的一种可能的实施方式中，依据所述携带先验异常违规特征数据的多
媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成最终的目标异常违规检测网络，包括：依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成第三异常违规检测网络；依据所述第三异常违规检测网络对所述不携带先验异常违规特征数据的多媒体交互图像序列进行异常违规特征检测，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第二模糊异常违规特征数据；依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第二模糊异常违规特征数据，所述第三异常违规检测网络进行区别训练，生成最终的所述目标异常违规检测网络。
[0006]在第一方面的一种可能的实施方式中，基于所述第二异常违规检测网络和所述不携带先验异常违规特征数据的多媒体交互图像序列，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第一模糊异常违规特征数据，包括：在初始训练流程中，从第二数量个不携带先验异常违规特征数据的多媒体交互图像序列中提取第四数量个第一无监督交互图像，所述第四数量不大于所述第二数量；依据所述第二异常违规检测网络对所述第一无监督交互图像进行异常违规特征检测，生成所述第一无监督交互图像的第一模糊异常违规特征数据及对应的置信度；其中，依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成第三异常违规检测网络，包括：基于所述第一模糊异常违规特征数据的置信度，对所述第一无监督交互图像及对应的第一模糊异常违规特征数据进行从大到小的排序；若依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列对所述第二异常违规检测网络进行区别训练至所述目标异常违规检测网络的总训练次数，处于所述初始训练流程中的训练次数区间内，则从排序结果的第四数量个所述第一无监督交互图像及对应的第一模糊异常违规特征数据中选择前第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据；从前所述第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据中，依据大小排列顺序选择当前训练轮次的无监督交互图像及对应的第一模糊异常违规特征数据；从所述携带先验异常违规特征数据的多媒体交互图像序列中选择当前训练轮次的携带先验异常违规特征数据的多媒体交互图像序列；依据所述当前训练轮次的无监督交互图像及对应的第一模糊异常违规特征数据、以及所述当前训练轮次的携带先验异常违规特征数据的多媒体交互图像序列循环对所述第二异常违规检测网络进行区别训练，直到前所述第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据被网络调度过一次以上，生成所述第三异常违规检测网络。
[0007]在第一方面的一种可能的实施方式中，依据所述第二异常违规检测网络对所述第
一无监督交互图像进行异常违规特征检测，生成所述第一无监督交互图像的第一模糊异常违规特征数据及对应的置信度，包括：基于所述第二异常违规检测网络获得基础全连接输出单元；依据所述基础全连接输出单元对所述第一无监督交互图像进行异常违规特征检测，生成所述第一无监督交互图像的第一模糊异常违规特征数据及对应的置信度；其中，所述方法还包括：在依据所述当前训练轮次的无监督交互图像及对应的第一模糊异常违规特征数据、以及所述当前训练轮次的携带先验异常违规特征数据的多媒体交互图像序列循环对所述第二异常违规检测网络进行区别训练时，基于循环训练后的所述第二异常违规检测网络优化所述基础全连接输出单元，直到前所述第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据被网络调度过一次以上时，生成第一全连接输出单元。
[0008]在第一方面的一种可能的实施方式中，还包括：在每次循环对所述第二异常违规检测网络进行区别训练时，递增所述总训练次数；其中，依据所述第三异常违规检测网络对所述不携带先验异常违规特征数据的多媒体交互图像序列进行异常违规特征检测，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第二模糊异常违规特征数据，包括：如果所述总训练次数小于对所述第二异常违规检测网络进行区别训练至本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合RPA的多媒体数据检测方法，其特征在于，通过计算机设备实现，所述计算机设备运行有机器人流程自动化RPA系统，所述方法包括：获取第一数量个携带先验异常违规特征数据的多媒体交互图像序列和第二数量个不携带先验异常违规特征数据的多媒体交互图像序列；依据所述不携带先验异常违规特征数据的多媒体交互图像序列对基础异常违规检测网络进行无监督网络学习优化，生成第一异常违规检测网络；依据所述携带先验异常违规特征数据的多媒体交互图像序列对所述第一异常违规检测网络遍历进行网络学习优化第三数量次数，生成第二异常违规检测网络；基于所述第二异常违规检测网络和所述不携带先验异常违规特征数据的多媒体交互图像序列，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第一模糊异常违规特征数据；依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成最终的目标异常违规检测网络；基于所述最终的目标异常违规检测网络对输入的目标用户的目标多媒体交互图像进行检测，获得目标多媒体交互图像的异常违规分割数据，并基于所述异常违规分割数据对应的异常违规类型对所述目标用户的账号进行对应处理。2.根据权利要求1所述的结合RPA的多媒体数据检测方法，其特征在于，依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成最终的目标异常违规检测网络，包括：依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成第三异常违规检测网络；依据所述第三异常违规检测网络对所述不携带先验异常违规特征数据的多媒体交互图像序列进行异常违规特征检测，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第二模糊异常违规特征数据；依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第二模糊异常违规特征数据，所述第三异常违规检测网络进行区别训练，生成最终的所述目标异常违规检测网络。3.根据权利要求2所述的结合RPA的多媒体数据检测方法，其特征在于，基于所述第二异常违规检测网络和所述不携带先验异常违规特征数据的多媒体交互图像序列，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第一模糊异常违规特征数据，包括：在初始训练流程中，从第二数量个不携带先验异常违规特征数据的多媒体交互图像序列中提取第四数量个第一无监督交互图像，所述第四数量不大于所述第二数量；依据所述第二异常违规检测网络对所述第一无监督交互图像进行异常违规特征检测，生成所述第一无监督交互图像的第一模糊异常违规特征数据及对应的置信度；其中，依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验
异常违规特征数据的多媒体交互图像序列及对应的第一模糊异常违规特征数据，对所述第二异常违规检测网络进行区别训练，生成第三异常违规检测网络，包括：基于所述第一模糊异常违规特征数据的置信度，对所述第一无监督交互图像及对应的第一模糊异常违规特征数据进行从大到小的排序；若依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列对所述第二异常违规检测网络进行区别训练至所述目标异常违规检测网络的总训练次数，处于所述初始训练流程中的训练次数区间内，则从排序结果的第四数量个所述第一无监督交互图像及对应的第一模糊异常违规特征数据中选择前第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据；从前所述第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据中，依据大小排列顺序选择当前训练轮次的无监督交互图像及对应的第一模糊异常违规特征数据；从所述携带先验异常违规特征数据的多媒体交互图像序列中选择当前训练轮次的携带先验异常违规特征数据的多媒体交互图像序列；依据所述当前训练轮次的无监督交互图像及对应的第一模糊异常违规特征数据、以及所述当前训练轮次的携带先验异常违规特征数据的多媒体交互图像序列循环对所述第二异常违规检测网络进行区别训练，直到前所述第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据被网络调度过一次以上，生成所述第三异常违规检测网络。4.根据权利要求3所述的结合RPA的多媒体数据检测方法，其特征在于，依据所述第二异常违规检测网络对所述第一无监督交互图像进行异常违规特征检测，生成所述第一无监督交互图像的第一模糊异常违规特征数据及对应的置信度，包括：基于所述第二异常违规检测网络获得基础全连接输出单元；依据所述基础全连接输出单元对所述第一无监督交互图像进行异常违规特征检测，生成所述第一无监督交互图像的第一模糊异常违规特征数据及对应的置信度；其中，所述方法还包括：在依据所述当前训练轮次的无监督交互图像及对应的第一模糊异常违规特征数据、以及所述当前训练轮次的携带先验异常违规特征数据的多媒体交互图像序列循环对所述第二异常违规检测网络进行区别训练时，基于循环训练后的所述第二异常违规检测网络优化所述基础全连接输出单元，直到前所述第五数量的第一无监督交互图像及对应的第一模糊异常违规特征数据被网络调度过一次以上时，生成第一全连接输出单元。5.根据权利要求4所述的结合RPA的多媒体数据检测方法，其特征在于，还包括：在每次循环对所述第二异常违规检测网络进行区别训练时，递增所述总训练次数；其中，依据所述第三异常违规检测网络对所述不携带先验异常违规特征数据的多媒体交互图像序列进行异常违规特征检测，生成所述不携带先验异常违规特征数据的多媒体交互图像序列的第二模糊异常违规特征数据，包括：如果所述总训练次数小于对所述第二异常违规检测网络进行区别训练至所述目标异常违规检测网络的全局训练次数，则在所述初始训练流程中，从第二数量
‑
第四数量个余下的不携带先验异常违规特征数据的多媒体交互图像序列中提取第四数量个第二无监督交互图像，第二数量不小于两倍第四数量；
依据所述第三异常违规检测网络对所述第二无监督交互图像进行异常违规分割数据监测，生成所述第二无监督交互图像的第二模糊异常违规特征数据及对应的置信度；其中，依据所述携带先验异常违规特征数据的多媒体交互图像序列和所述不携带先验异常违规特征数据的多媒体交互图像序列及对应的第二模糊异常违规特征数据，所述第三异常违规检测网络进行区别训练，生成最终的所...

【专利技术属性】
技术研发人员：吕国伟，李超，王丽，赵银龙，宋占元，
申请(专利权)人：北京中关村科金技术有限公司，
类型：发明
国别省市：