一种基于深度学习的监控数据分析系统技术方案

本发明专利技术公开了一种基于深度学习的监控数据分析系统，具体涉及深度学习技术领域，包括初步识别模块、性能验证模块、性能划分模块、标注分析模块、置信度划分模块和采纳模块。初步识别模块获取深度学习模型的应用信息并初步判断性能隐患；性能验证模块验证性能并得到综合性能值；性能划分模块基于综合性能值划分模型质量；标注分析模块对中等和低等质量模型进行增量和重新学习标注作业；置信度划分模块分析得到综合置信度系数；采纳模块基于置信度系数划分标注作业质量并采纳高质量数据；本发明专利技术能够有效筛选出高质量的标注作业，剔除低质量标注数据，从而显著提升训练数据的整体质量，提高深度学习模型在监控数据分析中的表现。

【技术实现步骤摘要】

本专利技术涉及深度学习，更具体地说，本专利技术涉及一种基于深度学习的监控数据分析系统。

技术介绍

1、随着监控技术的广泛应用，办公楼、住宅区、商场、医院等场景均布置有监控点进行全天候监控，生成大量的视频数据，海量的监控视频数据需要进行高效的处理和分析。传统的监控数据分析方法通常依赖于人工监控和简单的图像处理技术，存在效率低下、误报率高和响应速度慢等问题。深度学习技术的兴起，为监控数据分析提供了新的解决方案，通过构建和训练深度神经网络，可以实现对监控视频中目标的自动识别、行为分析和异常检测。

2、然而，深度学习模型的性能高度依赖于训练数据的质量。在实际应用中，标注数据的获取往往依赖于人工标注，这不可避免地会引入人为误差和不一致性。低质量的标注数据会导致模型性能下降，增加了误报和漏报的风险。如何有效评估和筛选高质量的标注作业，确保训练数据的高质量，成为提高监控数据分析系统性能的关键问题，因此，在此提出一种基于深度学习的监控数据分析系统。

技术实现思路

1、为实现上述目的，本专利技术提供如下技术方案：<本文档来自技高网...

【技术保护点】

1.一种基于深度学习的监控数据分析系统，其特征在于，包括初步识别模块、性能验证模块、性能划分模块、标注分析模块、置信度划分模块、采纳模块；

2.根据权利要求1所述的一种基于深度学习的监控数据分析系统，其特征在于，初步识别模块用于获取现阶段训练完成的深度学习模型的目标场景的应用信息，然后进行初步分析指的是：

3.根据权利要求2所述的一种基于深度学习的监控数据分析系统，其特征在于，异常检测率指的是检测到的异常事件总数与实际发生的异常事件总数的比值。

4.根据权利要求3所述的一种基于深度学习的监控数据分析系统，其特征在于，基于初步分析的结果初步判断确定现阶段...

【技术特征摘要】

1.一种基于深度学习的监控数据分析系统，其特征在于，包括初步识别模块、性能验证模块、性能划分模块、标注分析模块、置信度划分模块、采纳模块；

2.根据权利要求1所述的一种基于深度学习的监控数据分析系统，其特征在于，初步识别模块用于获取现阶段训练完成的深度学习模型的目标场景的应用信息，然后进行初步分析指的是：

3.根据权利要求2所述的一种基于深度学习的监控数据分析系统，其特征在于，异常检测率指的是检测到的异常事件总数与实际发生的异常事件总数的比值。

4.根据权利要求3所述的一种基于深度学习的监控数据分析系统，其特征在于，基于初步分析的结果初步判断确定现阶段训练完成的深度学习模型在目标场景应用时，是否存在性能不足的隐患指的是：

5.根据权利要求4所述的一种基于深度学习的监控数据分析系统，其特征在...

【专利技术属性】
技术研发人员：栾龙，
申请(专利权)人：上海靖海氪视信息技术有限公司，
类型：发明
国别省市：