一种置信度后处理方法、装置、设备及存储介质与流程

1.本公开涉及计算机视觉技术领域，尤其涉及一种置信度后处理方法、装置、设备及存储介质。


背景技术：

2.在目标检测过程中，检测结果一般包含目标的位置信息以及目标的类别和置信度，但是因为目标检测模型自身的原因，输出的置信度往往准确率不高。在现有技术中，一般会重新训练目标检测模型或者利用校准模型来调整置信度，然而，这些方法不仅需要针对不同的目标检测模型做大量不同的模型训练，而且调整后的置信度的准确率还是无法达到预期。


技术实现要素：

3.本公开提供了一种置信度后处理方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。
4.根据本公开的第一方面，提供了一种置信度后处理方法，该方法包括：获取第一类别物体的多个第一位置信息，所述第一位置信息为第一类别物体检测框的位置信息；根据所述多个第一位置信息，计算得到所述第一类别物体的短长比概率分布函数，所述短长比为所述第一类别物体检测框的最短边与最长边之比；获取目标检测结果，所述目标检测结果包括目标物体的第二位置信息和置信度，所述目标物体与第一类别物体为同一类别物体，所述第二位置信息为目标物体检测框的位置信息；根据所述第二位置信息和短长比概率分布函数，对所述置信度进行调整，得到置信度后处理结果。
5.在一可实施方式中，所述根据多个第一位置信息，计算得到所述第一类别物体的短长比概率分布函数，包括：根据所述多个第一位置信息，计算多个第一类别物体检测框的短长比，得到第一计算结果；根据所述第一计算结果，计算所述短长比的第一均值和第一标准差；根据所述第一均值和第一标准差，拟合得到所述短长比概率分布函数。
6.在一可实施方式中，所述根据第二位置信息和短长比概率分布函数，对所述置信度进行调整，得到置信度后处理结果，包括：根据所述第二位置信息，计算得到所述目标物体检测框的短长比；根据所述目标物体检测框的短长比和短长比概率分布函数，对所述置信度进行调整，得到所述置信度后处理结果。
7.在一可实施方式中，所述根据目标物体检测框的短长比和短长比概率分布函数，对所述置信度进行调整，得到所述置信度后处理结果，包括：根据公式c
new
＝c
′dr
(r
′
)对所述置信度进行调整，得到所述置信度后处理结果；其中，c
new
为置信度后处理结果，c
′
为所述置信度，r
′
为所述目标物体检测框的短长比，dr(r
′
)为所述短长比概率分布函数，且μr为所述第一均值，σr为所述第一标准差。
8.在一可实施方式中，在所述根据多个第一位置信息，得到所述第一类别物体的短
长比概率分布函数之后，所述方法还包括：根据所述多个第一位置信息，计算多个第一类别物体检测框的尺度，得到第二计算结果，所述尺度用于表征所述第一类别物体检测框的形状；根据所述第二计算结果，计算所述尺度的第二均值和第二标准差；根据所述第二均值和第二标准差，拟合得到所述尺度概率分布函数。在一可实施方式中，所述根据第二位置信息和短长比概率分布函数，对所述置信度进行调整，得到置信度后处理结果，包括：根据所述第二位置信息，计算得到所述目标物体检测框的尺度；根据所述目标物体检测框的短长比、目标物体检测框的尺度、短长比概率分布函数和尺度概率分布函数，对所述置信度进行调整，得到所述置信度后处理结果。
9.在一可实施方式中，所述根据目标物体检测框的短长比、目标物体检测框的尺度、短长比概率分布函数和尺度概率分布函数，对所述置信度进行调整，得到所述置信度后处理结果，包括：根据公式c
new
＝c
′dr
(r
′
)ds(s
′
)对所述置信度进行调整，得到所述置信度后处理结果；其中，c
new
为置信度后处理结果，c
′
为所述置信度，r
′
为所述目标物体检测框的短长比，s
′
为所述目标物体检测框的尺度，且μr为所述第一均值，σr为所述第一标准差，μs为所述第二均值，σs为所述第二标准差。
10.根据本公开的第二方面，提供了一种置信度后处理装置，该装置包括：第一获取模块，用于获取第一类别物体的多个第一位置信息，所述第一位置信息为第一类别物体检测框的位置信息；计算模块，用于根据所述多个第一位置信息，计算得到所述第一类别物体的短长比概率分布函数，所述短长比为所述第一类别物体检测框的最短边与最长边之比；第二获取模块，用于获取目标检测结果，所述目标检测结果包括目标物体的第二位置信息和置信度，所述目标物体与第一类别物体为同一类别物体，所述第二位置信息为目标物体检测框的位置信息；调整模块，用于根据所述第二位置信息和短长比概率分布函数，对所述置信度进行调整，得到置信度后处理结果。
11.根据本公开的第三方面，提供了一种电子设备，包括：
12.至少一个处理器；以及
13.与所述至少一个处理器通信连接的存储器；其中，
14.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。
15.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。
16.本公开的一种置信度后处理方法、装置、设备及存储介质，根据物体检测框的位置信息，对目标检测模型输出的置信度进行调整，解决了现有技术中目标检测模型重新训练时计算量大，且调整后的置信度的准确率无法达到预期的问题。
17.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
18.通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目
的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
19.在附图中，相同或对应的标号表示相同或对应的部分。
20.图1示出了本公开第一实施例的一种置信度后处理方法的流程示意图；
21.图2示出了本公开第二实施例的一种置信度后处理方法的流程示意图；
22.图3示出了本公开第三实施例的一种置信度后处理方法的流程示意图；
23.图4示出了本公开第四实施例的一种置信度后处理方法的流程示意图；
24.图5示出了本公开第五实施例的一种置信度后处理方法的流程示意图；
25.图6示出了本公开第六实施例的一种置信度后处理方法的流程示意图；
26.图7示出了本公开第七实施例的一种置信度后处理方法的流程示意图；
27.图8示出了本公开第八实施例的一种置信度后处理装置的结构示意图；
28.图9示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
29.为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
30.在目标检测过程中，目标检测结果一般会包含目标物体的位置信息以及目标物体的类别和置信度，目标物体的位置信息即为目标物体的检测框的坐标信息，其通常能够反映目标物体的真实大小，因此，可以利用目标物体的位置信息来对目标物体的置信度进行后处理，使目标物体的置信度更加准确。
31.图1为本公开第一实施例的一种置信度后处理方法的流程示意图，如图1所示，该方法具体包括：
32.步骤s101，获取第一类别物体的多个第一位置信息，第一位置信息为第一类别物体检测框的位置信息。
33.在本实施例中，首先需要获取第一类别物体的多个第一位置信息，即多个第一类别物体检测框的位置信息。具体地，第一位置信息可以表示为[x，y，width，hight]，其中，x为第一类别物体检测框左上顶点的横坐标，y为第一类别物体检测框左上顶点的纵坐标，width为第一类别物体检测框的宽度，hight为第一类别物体检测框的高度。
[0034]
在一可实施方式中，目标检测结果一般都会存储至数据库，因此可以在数据库中随机抽取多个第一位置信息，第一位置信息的数量越多，得到的数据越接近真实值。
[0035]
其中，第一类别是指物体的类别表述，如：刀具类、桌子类、笔记本电脑类、杯子类、餐盘类等等；第一类别物体是指属于第一类别的物体，如刀具类物体、杯子类物体、餐盘类物体等等。相应的，步骤s101中获取第一类别物体的多个第一位置信息，是指获取数据库中属于第一类别的多个物体的第一位置信息，如：属于刀具类的多个刀具物体的第一位置信息，属于杯子类的多个刀具物体的第一位置信息。
[0036]
步骤s102，根据多个第一位置信息，计算得到第一类别物体的短长比概率分布函数，短长比为第一类别物体检测框的最短边与最长边之比。
[0037]
在本实施例中，得到多个第一位置信息之后，需要根据多个第一位置信息，计算第一类别物体的短长比概率分布函数，其中，短长比为第一类别物体检测框的最短边与最长边之比，短长比可以体现第一类别物体检测框的形状，短长比概率分布函数则可以体现第一类别物体检测框短长比的概率特征，即第一类别物体检测框短长比的取值概率。
[0038]
在一可实施方式中，首先可以根据多个第一位置信息中的width和hight，即第一类别物体检测框的宽度和高度，来计算多个第一类别物体的短长比，然后根据短长比拟合得到第一类别物体的短长比概率分布函数。
[0039]
步骤s103，获取目标检测结果，目标检测结果包括目标物体的第二位置信息和置信度，目标物体与第一类别物体属同一类别物体，第二位置信息为目标物体检测框的位置信息。
[0040]
在本实施例中，还需要获取目标检测结果，目标检测结果包括目标物体的第二位置信息和置信度，其中，目标物体与第一类别物体为同一类别物体，第二位置信息为目标物体检测框的位置信息。具体地，第二位置信息可以表示为[x＇，y＇，width＇，hight＇]，其中，x＇为目标物体检测框左上顶点的横坐标，y＇为目标物体检测框左上顶点的纵坐标，width＇为目标物体检测框的宽度，hight＇为目标物体检测框的高度。
[0041]
在一可实施方式中，可以利用目标检测算法来获取目标检测结果，具体地，目标检测算法可以为基于区域的卷积神经网络(r-cnn，region-convolutional neural network)、yolo(you only look once)和ssd(single shot multibox detector)等，其中，yolo和ssd均为一步式目标检测算法，本公开不对目标检测算法进行限定。
[0042]
步骤s104，根据第二位置信息和短长比概率分布函数，对置信度进行调整，得到置信度后处理结果。
[0043]
在本实施例中，获取到目标检测结果之后，可以根据目标检测结果中的第二位置信息以及计算得到的短长比概率分布函数，对目标检测结果中的置信度进行调整，从而得到置信度后处理结果。
[0044]
在一可实施方式中，可以根据第二位置信息中的width＇和hight＇，即目标物体检测框的宽度和高度，来计算目标物体检测框的短长比，然后根据目标物体检测框的短长比和短长比概率分布函数，对置信度进行调整，因为短长比概率分布函数可以反映出目标物体检测框的短长比对应的取值概率，可以根据此取值概率，对置信度进行调整。
[0045]
在本实施例中，若目标检测结果显示目标物体为刀具，则将第一类别物体确定为刀具类物体，在数据库中随机抽取刀具类物体的多个第一位置信息，然后根据刀具类物体的多个第一位置信息，计算刀具类物体的短长比概率分布函数；若目标检测结果显示目标物体为刀具的置信度为0.8，但根据第二位置信息计算出的目标物体检测框的短长比接近于1，即目标物体检测框的形状接近于正方形，则此时目标检测结果中显示的置信度0.8很可能过大，因为刀具的形状通常是细长的矩形，此时根据目标物体检测框的短长比和短长比概率分布函数，对置信度进行微调，可以得到更准确的置信度后处理结果。
[0046]
在本公开第一实施例中，根据目标物体的第二位置信息和第一类别物体的短长比概率分布函数，对目标物体的置信度进行调整，使得目标物体的置信度更加准确，且不需要对目标检测模型重新进行训练，计算量更小。
[0047]
图2为本公开第二实施例的一种置信度后处理方法的流程示意图，如图2所示，步
骤s102具体包括：
[0048]
步骤s201，根据多个第一位置信息，计算多个第一类别物体检测框的短长比，得到第一计算结果。
[0049]
在本实施例中，首先可以根据多个第一位置信息，计算多个第一类别物体检测框的短长比，得到第一计算结果。
[0050]
在一可实施方式中，若将得到的多个第一类别物体检测框的宽度和高度记录为(wi，hi)，其中，wi表示第i个第一类别物体检测框的宽度，hi表示第i个第一类别物体检测框的高度，则第一类别物体检测框的短长比的计算公式为其中，ri为第i个第一类别物体检测框的短长比。
[0051]
步骤s202，根据第一计算结果，拟合得到短长比概率分布函数。
[0052]
在本实施例中，根据第一计算结果，拟合得到第一类别物体的短长比概率分布函数，其中，第一计算结果为多个第一类别物体检测框的短长比。
[0053]
在一可实施方式中，可以根据卡方分布、高斯分布或均匀分布等对多个第一类别物体检测框的短长比进行拟合，从而得到短长比概率分布函数。
[0054]
在本公开第二实施例中，根据第一类别物体检测框的短长比，拟合得到短长比概率分布函数，短长比概率分布函数可以反映出目标物体检测框的短长比对应的取值概率，利用短长比概率分布函数对目标物体的置信度进行调整，可以得到更为准确的置信度。
[0055]
图3为本公开第三实施例的一种置信度后处理方法的流程示意图，如图3所示，步骤s202具体包括：
[0056]
步骤s301，根据第一计算结果，计算短长比的第一均值和第一标准差。
[0057]
在本实施例中，首先需要计算多个第一类别物体检测框的短长比的第一均值和第一标准差。
[0058]
在一可实施方式中，第一均值的计算公式可以为其中，μr为短长比r的均值，i为第一类别物体检测框的数量；第一标准差的计算公式可以为其中，σr为短长比r的标准差。
[0059]
步骤s302，根据第一均值和第一标准差，拟合得到短长比概率分布函数。
[0060]
在本实施例中，可以根据第一均值和第一标准差，拟合得到短长比概率分布函数。
[0061]
在一可实施方式中，可以利用高斯分布拟合短长比概率分布函数，将第一均值和第一标准差代入高斯分布函数，即可得到短长比概率分布函数为
[0062]
在本公开第三实施例中，得到第一均值和第一标准差之后，可以根据高斯分布来拟合短长比概率分配函数，均值和标准差为高斯分布的本质信息，另外，任何随机变量的样本均值的期望都收敛于高斯分布，因此，利用高斯分布可以拟合得到较为准确的短长比概率分布函数。
[0063]
图4为本公开第四实施例的一种置信度后处理方法的流程示意图，如图4所示，步骤s104具体包括：
[0064]
步骤s401，根据第二位置信息，计算得到目标物体检测框的短长比。
[0065]
在本实施例中，首先根据目标检测结果中的第二位置信息，计算目标物体检测框的短长比。
[0066]
在一可实施方式中，若第二位置信息中的目标物体检测框的宽度和高度记录为(w＇，h＇)，则目标物体检测框的短长比的计算公式为(w＇，h＇)，则目标物体检测框的短长比的计算公式为其中，r＇为目标物体检测框的短长比。
[0067]
步骤s402，根据目标物体检测框的短长比和短长比概率分布函数，对置信度进行调整，得到置信度后处理结果。
[0068]
在本实施例中，得到目标物体检测框的短长比之后，可以根据目标物体检测框的短长比和短长比概率分布函数，对置信度进行调整，从而得到置信度后处理结果。
[0069]
在一可实施方式中，可以利用如下公式对置信度进行调整c
new
＝c
′dr
(r
′
)，其中，c
new
为置信度后处理结果，c
′
为目标检测结果中的置信度，即将短长比概率分布函数中的变量x替换为目标物体检测框的短长比，dr(r
′
)可以体现出目标物体检测框的短长比r
′
对应的取值概率，将置信度c
′
与dr(r
′
)相乘，即可得到较为准确的置信度。
[0070]
在本公开第四实施例中，根据目标物体检测框的短长比和短长比概率分配函数，可以对置信度进行调整，得到较为准确的置信度，使目标检测结果更为精确。
[0071]
图5为本公开第五实施例的一种置信度后处理方法的流程示意图，如图5所示，在步骤s102之后，该方法还包括：
[0072]
步骤s501，根据多个第一位置信息，计算多个第一类别物体检测框的尺度，得到第二计算结果，尺度用于表征第一类别物体检测框的形状。
[0073]
在本实施例中，根据多个第一位置信息，计算得到第一类别物体的短长比概率分布函数之后，还可以根据多个第一位置信息，计算多个第一类别物体检测框的尺度，其中，尺度用于表征第一类别物体检测框的形状。
[0074]
在一可实施方式中，第一类别物体检测框的尺度的计算公式可以为其中，si为第一类别物体检测框的尺度。
[0075]
步骤s502，根据第二计算结果，拟合得到第一类别物体的尺度概率分布函数。
[0076]
在本实施例中，根据第二计算结果，拟合得到第一类别物体的尺度概率分布函数，其中，第二计算结果为第一类别物体检测框的尺度。
[0077]
在一可实施方式中，可以根据卡方分布、高斯分布或均匀分布等对多个第一类别物体检测框的尺度进行拟合，从而得到尺度概率分布函数。
[0078]
在本公开第五实施例中，根据第一类别物体检测框的尺度，拟合得到尺度概率分布函数，尺度概率分布函数可以反映出目标物体检测框的尺度对应的取值概率，利用尺度概率分布函数和短长比概率分布函数共同对目标物体的置信度进行调整，可以得到更为准确的置信度。
[0079]
图6为本公开第六实施例的一种置信度后处理方法的流程示意图，如图6所示，步骤s502主要包括：
[0080]
步骤s601，根据第二计算结果，计算尺度的第二均值和第二标准差。
[0081]
在本实施例中，需要根据第二计算结果，计算尺度的第二均值和第二标准差。具体地，第二均值和第二标准差的计算方法与第一均值和第一标准差的计算方法类似，在此不再赘述。
[0082]
步骤s602，根据第二均值和第二标准差，拟合得到尺度概率分布函数。
[0083]
在本实施例中，可以根据第二均值和第二标准差，拟合得到尺度概率分布函数。
[0084]
在一可实施方式中，可以利用高斯分布拟合尺度概率分布函数，将第二均值和第二标准差代入高斯分布函数，即可得到尺度概率分布函数为其中，μs为尺度s的均值，σs为尺度s的标准差。
[0085]
在本公开第六实施例中，得到第二均值和第二标准差之后，可以根据高斯分布来拟合尺度概率分配函数，均值和标准差为高斯分布的本质信息，另外，任何随机变量的样本均值的期望都收敛于高斯分布，因此，利用高斯分布可以拟合得到较为准确的尺度概率分布函数。
[0086]
图7为本公开第七实施例的一种置信度后处理方法的流程示意图，如图7所示，步骤s104主要包括：
[0087]
步骤s701，根据第二位置信息，计算得到目标物体检测框的尺度。
[0088]
在本实施例中，首先根据目标检测结果中的第二位置信息，计算目标物体检测框的尺度。
[0089]
在一可实施方式中，目标物体检测框的尺度的计算公式为其中，s
′
为目标物体检测框的尺度。
[0090]
步骤s702，根据目标物体检测框的短长比、目标物体检测框的尺度、短长比概率分布函数和尺度概率分布函数，对置信度进行调整，得到置信度后处理结果。
[0091]
在本实施例中，得到目标物体检测框的尺度之后，可以根据目标物体检测框的短长比、目标物体检测框的尺度、短长比概率分布函数和尺度概率分布函数，对置信度进行调整，从而得到置信度后处理结果。
[0092]
在一可实施方式中，可以利用如下公式对置信度进行调整c
new
＝c
′dr
(r
′
)ds(s
′
)，其中，c
new
为置信度后处理结果，c
′
为目标检测结果中的置信度，即将短长比概率分布函数中的变量x替换为目标物体检测框的短长比，dr(r
′
)可以体现出目标物体检测框的短长比r
′
对应的取值概率；即将尺度概率分布函数中的变量x替换为目标物体检测框的尺度，ds(s
′
)可以体现出目标物体检测框的尺度s
′
对应的取值概率，将置信度c
′
与dr(r
′
)和ds(s
′
)相乘，即可得到更为准确的置信度。目标物体检测框的短长比和尺度从两个不同的特征方
面来反映目标物体检测框的形状，将置信度c
′
与dr(r
′
)和ds(s
′
)相乘可以保证置信度后处理的结果更加准确，且由于短长比概率分布函数和尺度概率分布函数的输出域均在0到1之间，所以调整后的置信度不会超过1。
[0093]
在本公开第七实施例中，根据目标物体检测框的短长比、目标物体检测框的尺度、短长比概率分布函数和尺度概率分布函数，对置信度进行调整，从两个不同的特征方面来反映目标物体检测框的形状，可以保证置信度后处理的结果更加准确。
[0094]
图8为本公开第八实施例的一种置信度后处理装置的结构示意图，如图8所示，该装置主要包括：第一获取模块80，用于获取第一类别物体的多个第一位置信息，第一位置信息为第一类别物体检测框的位置信息；计算模块81，用于根据多个第一位置信息，计算得到第一类别物体的短长比概率分布函数，短长比为第一类别物体检测框的最短边与最长边之比；第二获取模块82，用于获取目标检测结果，目标检测结果包括目标物体的第二位置信息和置信度，目标物体与第一类别物体为同一类别物体，第二位置信息为目标物体检测框的位置信息；调整模块83，用于根据第二位置信息和短长比概率分布函数，对置信度进行调整，得到置信度后处理结果。
[0095]
在一可实施方式中，计算模块81具体包括：第一计算子模块，用于根据多个第一位置信息，计算多个第一类别物体检测框的短长比，得到第一计算结果；第一拟合子模块，用于根据第一计算结果，拟合得到短长比概率分布函数。
[0096]
在一可实施方式中，第一拟合子模块具体包括：第一计算单元，用于根据第一计算结果，计算短长比的第一均值和第一标准差；第一拟合单元，用于根据第一均值和第一标准差，拟合得到短长比概率分布函数。
[0097]
在一可实施方式中，调整模块83具体包括：第二计算子模块，用于根据第二位置信息，计算得到目标物体检测框的短长比；第一调整子模块，用于根据目标物体检测框的短长比和短长比概率分布函数，对置信度进行调整，得到置信度后处理结果。
[0098]
在一可实施方式中，该装置还包括：第二计算模块，用于根据多个第一位置信息，计算多个第一类别物体检测框的尺度，得到第二计算结果，尺度用于表征第一类别物体检测框的形状；拟合模块，用于根据第二计算结果，拟合得到第一类别物体的尺度概率分布函数。
[0099]
在一可实施方式中，拟合模块具体包括：第三计算子模块，用于根据第二计算结果，计算尺度的第二均值和第二标准差；第二拟合子模块，用于根据第二均值和第二标准差，拟合得到尺度概率分布函数。
[0100]
在一可实施方式中，调整模块83具体包括：第四计算子模块，用于根据第二位置信息，计算得到目标物体检测框的尺度；第二调整子模块，用于根据目标物体检测框的短长比、目标物体检测框的尺度、短长比概率分布函数和尺度概率分布函数，对置信度进行调整，得到置信度后处理结果。
[0101]
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
[0102]
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算
装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0103]
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(rom)902中的计算机程序或者从存储单元908加载到随机访问存储器(ram)903中的计算机程序，来执行各种适当的动作和处理。在ram 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
[0104]
设备900中的多个部件连接至i/o接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0105]
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如一种置信度后处理方法。例如，在一些实施例中，一种置信度后处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由rom 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到ram 903并由计算单元901执行时，可以执行上文描述的一种置信度后处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种置信度后处理方法。
[0106]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0107]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0108]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计
算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0109]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0110]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0111]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0112]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0113]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0114]
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。