对象的异常检测方法、装置、电子设备以及存储介质与流程
本申请涉及人工智能技术,尤其涉及一种对象的异常检测方法、装置、电子设备以及存储介质。
背景技术:
1、在对目标对象(例如:农作物、工业设备或者患者、儿童)的复杂状态进行持续性评估与检测的应用场景中,通常基于特定的量表或预设维度的结构化数据执行特征提取与计算逻辑。然而,在面对多维度的交互环境时,目标对象的真实状态特征往往散布于不同的信息模态中,基于单一结构化维度的处理机制在面对复杂场景时,所生成的底层特征矩阵存在特征维度稀疏的局限,进而影响后续评估与异常检测模型输入数据的完备性与表征精度。目前的评估与异常检测模型多采用预设的静态规则或线性阈值进行单一层面的数值匹配与状态分类。在复杂场景中,特征与对象的异常状态之间存在非线性映射关系,基于线性规则的匹配逻辑面对高维度特征,难以准确地确定对象的异常状态。
2、相关技术中,暂无较好的方式提升对象异常检测的准确性。
技术实现思路
1、本申请实施例提供一种对象的异常检测方法、装置、电子设备、计算机可读存储介质及计算机程序产品,能够提升对象异常检测的准确性。
2、本申请实施例的技术方案是这样实现的:
3、本申请实施例提供一种对象的异常检测方法,所述方法包括:
4、获取目标对象的多模态数据,其中,所述多模态数据包括所述目标对象的图像数据、音频数据以及描述文本;
5、基于所述多模态数据进行特征提取处理,得到多模态特征;
6、基于所述多模态特征进行阶段预测处理,得到所述目标对象所处的目标阶段;
7、基于所述目标阶段、所述多模态特征进行异常检测处理,得到所述目标对象的问题类型;
8、基于所述目标阶段、所述多模态特征以及所述问题类型进行检索处理,得到所述问题类型对应的解决方案;
9、将所述目标阶段、所述问题类型以及所述解决方案作为所述目标对象的检测结果。
10、本申请实施例提供一种对象的异常检测装置,包括:
11、数据采集模块,用于获取目标对象的多模态数据,其中,所述多模态数据包括所述目标对象的图像数据、音频数据以及描述文本;
12、特征提取模块,用于基于所述多模态数据进行特征提取处理,得到多模态特征;
13、预测模块,用于基于所述多模态特征进行阶段预测处理,得到所述目标对象所处的目标阶段;
14、预测模块,用于基于所述目标阶段、所述多模态特征进行异常检测处理,得到所述目标对象的问题类型;
15、检索模块,用于基于所述目标阶段、所述多模态特征以及所述问题类型进行检索处理,得到所述问题类型对应的解决方案;
16、预测模块,用于将所述目标阶段、所述问题类型以及所述解决方案作为所述目标对象的检测结果。
17、本申请实施例提供一种电子设备,所述电子设备包括:
18、存储器,用于存储计算机可执行指令或者计算机程序;
19、处理器,用于执行所述存储器中存储的计算机可执行指令或者计算机程序时,实现本申请实施例提供的对象的异常检测方法。
20、本申请实施例提供一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,用于被处理器执行时,实现本申请实施例提供的对象的异常检测方法。
21、本申请实施例提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现本申请实施例提供的对象的异常检测方法。
22、本申请实施例具有以下有益效果:
23、通过获取包含图像数据、音频数据以及描述文本的多模态数据并执行统一的特征提取处理,实现了跨媒介信息的数据融合,丰富了输入端的数据维度,使得生成的多模态特征能够从视觉、听觉和语义多重维度描述目标对象的物理或属性状态,提升了底层特征表征的完整度与丰富性。在执行异常检测之前,引入了阶段预测处理逻辑以确立目标对象所处的目标阶段。将该目标阶段与多模态特征联合参与后续的异常检测处理,实现了检测基准的动态对齐,能够根据对象在不同发展周期的演进特性执行差异化的特征映射计算,显著提升了问题类型判定的精准度。将目标阶段、多模态特征以及问题类型联合作为检索参数输入中执行检索匹配,构建了多维条件约束下的组合特征映射路径,确保了检索输出的解决方案不仅针对具体的问题类型,同时高度匹配目标对象当前所处的演进阶段与具体特征,提升了检测结果的准确性与匹配程度。
1.一种对象的异常检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述多模态数据进行特征提取处理,得到多模态特征,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述多模态特征进行阶段预测处理,得到所述目标对象所处的目标阶段,包括:
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标阶段、所述多模态特征进行异常检测处理,得到所述目标对象的问题类型,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述目标阶段、所述多模态特征以及所述问题类型进行检索处理,得到所述问题类型对应的解决方案,包括:
6.根据权利要求1所述的方法,其特征在于,在所述将所述目标阶段、所述问题类型以及所述解决方案作为所述目标对象的检测结果之后,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,所述方法通过神经网络模型实现,在所述获取目标对象的多模态数据之前,所述方法还包括:
8.一种对象的异常检测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,其特征在于,所述计算机可执行指令或者计算机程序被处理器执行时实现权利要求1至7任一项所述的对象的异常检测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com