【技术实现步骤摘要】
本申请涉及区域管理，具体涉及一种多业务处理模型训练方法、多业务处理方法和电子设备。
技术介绍
1、智慧园区是指利用各种信息技术或创新概念，将园区的系统和服务打通、集成，以提升资源运用的效率，优化园区管理和服务，以及改善市民生活质量。智慧园区是把新一代信息技术充分运用在园区中各行各业基于知识社会下一代创新的园区信息化高级形态，实现信息化、工业化与城镇化深度融合，提高城镇化质量，实现精细化和动态管理，并提升园区管理成效和改善市民生活质量。
2、而目前的智慧园区的管理往往不同部门各自拥有管理系统，并且，通过各自拥有的摄像头，传感器等数据采集装置采集数据，并且，基于本部门的业务需求，对采集的数据按照自身业务需求处理，然而，园区中所发生的事件往往并非孤立事件，例如，在一些事件中往往可能也伴随公共安全事件，一些公共设施监控事件中可能也伴随公共安全事件。各个业务部门之间的管理是分立的，在多类型事件发生时，难以及时做到资源共享和业务协同。
3、因此，如何对多个业务部门进行业务协同的统筹管理成为亟待解决的技术问题。
技术实现思路
1、本申请提供了一种多业务处理模型训练方法、多业务处理方法和电子设备，以至少解决相关技术中所存在的如何对多个业务部门进行业务协同的统筹管理的技术问题。
2、根据本申请的第一方面，提供了一种多业务处理模型训练方法，所述多业务处理模型包括多分支特征提取模型，多头注意力模块和业务识别模型；所述训练方法包括：获取具有业务标签的多业务样本数据；将所
3、可选地，所述多分支特征提取模型包括与所述业务一一对应的判别器和特征生成网络；所述将所述多业务样本数据输入所述多分支特征提取模型，分别提取所述每一业务样本数据中的特异性特征和多个业务之间的共性特征包括：利用所述特征生成网络提取每一业务样本数据中的初始特异性特征和多个业务之间的初始共性特征；利用初始共性特征和初始特异性特征对所述判别器进行训练，使训练后的判别器能够对初始特异性特征进行模态分类，对所述初始共性特征不能进行模态分类，且，使所述共性特征和特异性特征距离大于预设距离。
4、可选地，所述多业务样本数据包括：园区运维样本数据，园区应急事件样本数据和园区公共设施监控样本数据。
5、可选地，所述多业务样本数据包括视频样本数据和无源传感器样本数据；将所述多业务样本数据输入所述多分支特征提取模型之前包括：对所述视频样本数据进行图像分割，得到与业务对应的多个静态特征序列；对所述无源传感器样本数据进行进行滤波，得到与业务对应的多个传感信号特征序列；分别提取每一业务对应的静态特征序列中的时序图像变化特征；分别提取每一业务对应的传感信号特征序列中的时序传感信号变化特征；将所述时序图像变化特征和所述时序传感信号变化特征进行时序和维度对准；将对准的后时序图像变化特征和所述时序传感信号变化特征进行聚类，得到每一业务对应的聚类业务特征。
6、可选地，所述将所述特异性特征输入所述多头注意力模块，分别对所述特异性特征进行特征增强，每一所述特异性特征的注意力特征包括：利用多头注意力机制学习所述特异性特征与对应的业务之间的注意力。
7、可选地，所述识别模型包括与业务一一对应的多个识别网络分支；所述基于所述注意力特征、所述共性特征和所述业务标签对所述业务模型进行多轮次训练，得到训练好的识别模型包括：将所述注意力特征与所述共性特征进行特征融合，得到融合特征；利用所述融合特征和所述业务务标签分别对对应的识别网络分支进行训练，得到训练好的分类模型，其中，每一识别网络分支之间可共享模型参数。
8、根据第二方面，本申请实施例提供了一种多业务处理方法，包括：获取待处理数据；将所述待处理数据输入上述第一方面任意一项所述的多业务处理模型，得到业务识别结果。
9、根据第三方面，本申请实施例提供了一种多业务处理模型训练装置，所述多业务处理模型包括多分支特征提取模型，多头注意力模块和业务识别模型；所述训练装置包括：获取模块，用于获取具有业务标签的多业务样本数据；第一特征提取模块，用于将所述多业务样本数据输入所述多分支特征提取模型，分别提取每一业务样本数据中的特异性特征和多个业务之间的共性特征；第二特征提取模块，用于将所述特异性特征输入所述多头注意力模块，分别对所述特异性特征进行特征增强，每一所述特异性特征的注意力特征；识别模型训练模块，用于基于所述注意力特征、所述共性特征和所述业务标签对所述业务模型进行多轮次训练，得到训练好的识别模型。
10、根据第四方面，本申请实施例提供了根据第二方面，本申请实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，所述存储器，用于存储计算机程序；所述处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行第一方面中任一项所述的多业务处理模型训练方法和/或第二方面中所述的多业务处理方法。
11、根据第五方面，本申请实施例提供了一种计算机可读的存储介质，其特征在于，所述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第一方面中任一项所述的多业务处理模型训练方法和/或第二方面中所述的多业务处理方法。
12、本申请的多业务处理模型训练方法，通过获取具有业务标签的多业务样本数据；将所述多业务样本数据输入所述多分支特征提取模型，分别提取每一业务样本数据中的特异性特征和多个业务之间的共性特征；将所述特异性特征输入所述多头注意力模块，分别对所述特异性特征进行特征增强，每一所述特异性特征的注意力特征；基于所述注意力特征、所述共性特征和所述业务标签对所述业务模型进行多轮次训练，得到训练好的识别模型。识别模型根据不同的注意力权重不仅能够针对性的学习与业务相关的特征，还可以学习其他业务中的特征。进而可以使一个模型能够识别多种业务的状态，进而可以实现多个业务部门进行业务协同的统筹管理。
本文档来自技高网...【技术保护点】
1.一种多业务处理模型训练方法，其特征在于，所述多业务处理模型包括多分支特征提取模型，多头注意力模块和业务识别模型；所述训练方法包括：
2.如权利要求1所述的多业务处理模型训练方法，其特征在于，所述多分支特征提取模型包括与所述业务一一对应的判别器和特征生成网络；
3.如权利要求1或2所述的多业务处理模型训练方法，其特征在于，所述多业务样本数据包括：园区运维样本数据，园区应急事件样本数据和园区公共设施监控样本数据。
4.如权利要求3所述的多业务处理模型训练方法，其特征在于，所述多业务样本数据包括视频样本数据和无源传感器样本数据；
5.如权利要求1所述的多业务处理模型训练方法，其特征在于，所述将所述特异性特征输入所述多头注意力模块，分别对所述特异性特征进行特征增强，每一所述特异性特征的注意力特征包括：
6.如权利要求1所述的多业务处理模型训练方法，其特征在于，所述识别模型包括与业务一一对应的多个识别网络分支；
7.一种多业务处理方法，其特征在于，包括：
8.一种多业务处理模型训练装置，其特征在于，所述
9.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，其特征在于，
10.一种计算机可读的存储介质，其特征在于，所述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权利要求1至6中任一项所述的多业务处理模型训练方法和/或权利要求7所述的多业务处理方法。
...【技术特征摘要】
1.一种多业务处理模型训练方法，其特征在于，所述多业务处理模型包括多分支特征提取模型，多头注意力模块和业务识别模型；所述训练方法包括：
2.如权利要求1所述的多业务处理模型训练方法，其特征在于，所述多分支特征提取模型包括与所述业务一一对应的判别器和特征生成网络；
3.如权利要求1或2所述的多业务处理模型训练方法，其特征在于，所述多业务样本数据包括：园区运维样本数据，园区应急事件样本数据和园区公共设施监控样本数据。
4.如权利要求3所述的多业务处理模型训练方法，其特征在于，所述多业务样本数据包括视频样本数据和无源传感器样本数据；
5.如权利要求1所述的多业务处理模型训练方法，其特征在于，所述将所述特异性特征输入所述多头注意力模块，分别对所述特异性特征进行特征增强，每一所述特...
【专利技术属性】
技术研发人员：周胜，张应清，卢丽娟，李韵，卢继明，张林，代俊，
申请(专利权)人：光谷技术有限公司，
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。