【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及區(qū)域管理，具體涉及一種多業(yè)務(wù)處理模型訓(xùn)練方法、多業(yè)務(wù)處理方法和電子設(shè)備。
技術(shù)介紹
1、智慧園區(qū)是指利用各種信息技術(shù)或創(chuàng)新概念，將園區(qū)的系統(tǒng)和服務(wù)打通、集成，以提升資源運(yùn)用的效率，優(yōu)化園區(qū)管理和服務(wù)，以及改善市民生活質(zhì)量。智慧園區(qū)是把新一代信息技術(shù)充分運(yùn)用在園區(qū)中各行各業(yè)基于知識(shí)社會(huì)下一代創(chuàng)新的園區(qū)信息化高級(jí)形態(tài)，實(shí)現(xiàn)信息化、工業(yè)化與城鎮(zhèn)化深度融合，提高城鎮(zhèn)化質(zhì)量，實(shí)現(xiàn)精細(xì)化和動(dòng)態(tài)管理，并提升園區(qū)管理成效和改善市民生活質(zhì)量。
2、而目前的智慧園區(qū)的管理往往不同部門各自擁有管理系統(tǒng)，并且，通過各自擁有的攝像頭，傳感器等數(shù)據(jù)采集裝置采集數(shù)據(jù)，并且，基于本部門的業(yè)務(wù)需求，對(duì)采集的數(shù)據(jù)按照自身業(yè)務(wù)需求處理，然而，園區(qū)中所發(fā)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隨公共安全事件，一些公共設(shè)施監(jiān)控事件中可能也伴隨公共安全事件。各個(gè)業(yè)務(wù)部門之間的管理是分立的，在多類型事件發(fā)生時(shí)，難以及時(shí)做到資源共享和業(yè)務(wù)協(xié)同。
3、因此，如何對(duì)多個(gè)業(yè)務(wù)部門進(jìn)行業(yè)務(wù)協(xié)同的統(tǒng)籌管理成為亟待解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)?zhí)峁┝艘环N多業(yè)務(wù)處理模型訓(xùn)練方法、多業(yè)務(wù)處理方法和電子設(shè)備，以至少解決相關(guān)技術(shù)中所存在的如何對(duì)多個(gè)業(yè)務(wù)部門進(jìn)行業(yè)務(wù)協(xié)同的統(tǒng)籌管理的技術(shù)問題。
2、根據(jù)本申請(qǐng)的第一方面，提供了一種多業(yè)務(wù)處理模型訓(xùn)練方法，所述多業(yè)務(wù)處理模型包括多分支特征提取模型，多頭注意力模塊和業(yè)務(wù)識(shí)別模型；所述訓(xùn)練方法包括：獲取具有業(yè)務(wù)標(biāo)簽的多業(yè)務(wù)樣本數(shù)據(jù)；將所
3、可選地，所述多分支特征提取模型包括與所述業(yè)務(wù)一一對(duì)應(yīng)的判別器和特征生成網(wǎng)絡(luò)；所述將所述多業(yè)務(wù)樣本數(shù)據(jù)輸入所述多分支特征提取模型，分別提取所述每一業(yè)務(wù)樣本數(shù)據(jù)中的特異性特征和多個(gè)業(yè)務(wù)之間的共性特征包括：利用所述特征生成網(wǎng)絡(luò)提取每一業(yè)務(wù)樣本數(shù)據(jù)中的初始特異性特征和多個(gè)業(yè)務(wù)之間的初始共性特征；利用初始共性特征和初始特異性特征對(duì)所述判別器進(jìn)行訓(xùn)練，使訓(xùn)練后的判別器能夠?qū)Τ跏继禺愋蕴卣鬟M(jìn)行模態(tài)分類，對(duì)所述初始共性特征不能進(jìn)行模態(tài)分類，且，使所述共性特征和特異性特征距離大于預(yù)設(shè)距離。
4、可選地，所述多業(yè)務(wù)樣本數(shù)據(jù)包括：園區(qū)運(yùn)維樣本數(shù)據(jù)，園區(qū)應(yīng)急事件樣本數(shù)據(jù)和園區(qū)公共設(shè)施監(jiān)控樣本數(shù)據(jù)。
5、可選地，所述多業(yè)務(wù)樣本數(shù)據(jù)包括視頻樣本數(shù)據(jù)和無源傳感器樣本數(shù)據(jù)；將所述多業(yè)務(wù)樣本數(shù)據(jù)輸入所述多分支特征提取模型之前包括：對(duì)所述視頻樣本數(shù)據(jù)進(jìn)行圖像分割，得到與業(yè)務(wù)對(duì)應(yīng)的多個(gè)靜態(tài)特征序列；對(duì)所述無源傳感器樣本數(shù)據(jù)進(jìn)行進(jìn)行濾波，得到與業(yè)務(wù)對(duì)應(yīng)的多個(gè)傳感信號(hào)特征序列；分別提取每一業(yè)務(wù)對(duì)應(yīng)的靜態(tài)特征序列中的時(shí)序圖像變化特征；分別提取每一業(yè)務(wù)對(duì)應(yīng)的傳感信號(hào)特征序列中的時(shí)序傳感信號(hào)變化特征；將所述時(shí)序圖像變化特征和所述時(shí)序傳感信號(hào)變化特征進(jìn)行時(shí)序和維度對(duì)準(zhǔn)；將對(duì)準(zhǔn)的后時(shí)序圖像變化特征和所述時(shí)序傳感信號(hào)變化特征進(jìn)行聚類，得到每一業(yè)務(wù)對(duì)應(yīng)的聚類業(yè)務(wù)特征。
6、可選地，所述將所述特異性特征輸入所述多頭注意力模塊，分別對(duì)所述特異性特征進(jìn)行特征增強(qiáng)，每一所述特異性特征的注意力特征包括：利用多頭注意力機(jī)制學(xué)習(xí)所述特異性特征與對(duì)應(yīng)的業(yè)務(wù)之間的注意力。
7、可選地，所述識(shí)別模型包括與業(yè)務(wù)一一對(duì)應(yīng)的多個(gè)識(shí)別網(wǎng)絡(luò)分支；所述基于所述注意力特征、所述共性特征和所述業(yè)務(wù)標(biāo)簽對(duì)所述業(yè)務(wù)模型進(jìn)行多輪次訓(xùn)練，得到訓(xùn)練好的識(shí)別模型包括：將所述注意力特征與所述共性特征進(jìn)行特征融合，得到融合特征；利用所述融合特征和所述業(yè)務(wù)務(wù)標(biāo)簽分別對(duì)對(duì)應(yīng)的識(shí)別網(wǎng)絡(luò)分支進(jìn)行訓(xùn)練，得到訓(xùn)練好的分類模型，其中，每一識(shí)別網(wǎng)絡(luò)分支之間可共享模型參數(shù)。
8、根據(jù)第二方面，本申請(qǐng)實(shí)施例提供了一種多業(yè)務(wù)處理方法，包括：獲取待處理數(shù)據(jù)；將所述待處理數(shù)據(jù)輸入上述第一方面任意一項(xiàng)所述的多業(yè)務(wù)處理模型，得到業(yè)務(wù)識(shí)別結(jié)果。
9、根據(jù)第三方面，本申請(qǐng)實(shí)施例提供了一種多業(yè)務(wù)處理模型訓(xùn)練裝置，所述多業(yè)務(wù)處理模型包括多分支特征提取模型，多頭注意力模塊和業(yè)務(wù)識(shí)別模型；所述訓(xùn)練裝置包括：獲取模塊，用于獲取具有業(yè)務(wù)標(biāo)簽的多業(yè)務(wù)樣本數(shù)據(jù)；第一特征提取模塊，用于將所述多業(yè)務(wù)樣本數(shù)據(jù)輸入所述多分支特征提取模型，分別提取每一業(yè)務(wù)樣本數(shù)據(jù)中的特異性特征和多個(gè)業(yè)務(wù)之間的共性特征；第二特征提取模塊，用于將所述特異性特征輸入所述多頭注意力模塊，分別對(duì)所述特異性特征進(jìn)行特征增強(qiáng)，每一所述特異性特征的注意力特征；識(shí)別模型訓(xùn)練模塊，用于基于所述注意力特征、所述共性特征和所述業(yè)務(wù)標(biāo)簽對(duì)所述業(yè)務(wù)模型進(jìn)行多輪次訓(xùn)練，得到訓(xùn)練好的識(shí)別模型。
10、根據(jù)第四方面，本申請(qǐng)實(shí)施例提供了根據(jù)第二方面，本申請(qǐng)實(shí)施例提供了一種電子設(shè)備，包括處理器、通信接口、存儲(chǔ)器和通信總線，其中，所述處理器、所述通信接口和所述存儲(chǔ)器通過所述通信總線完成相互間的通信，所述存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；所述處理器，用于通過運(yùn)行所述存儲(chǔ)器上所存儲(chǔ)的所述計(jì)算機(jī)程序來執(zhí)行第一方面中任一項(xiàng)所述的多業(yè)務(wù)處理模型訓(xùn)練方法和/或第二方面中所述的多業(yè)務(wù)處理方法。
11、根據(jù)第五方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)可讀的存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)執(zhí)行第一方面中任一項(xiàng)所述的多業(yè)務(wù)處理模型訓(xùn)練方法和/或第二方面中所述的多業(yè)務(wù)處理方法。
12、本申請(qǐng)的多業(yè)務(wù)處理模型訓(xùn)練方法，通過獲取具有業(yè)務(wù)標(biāo)簽的多業(yè)務(wù)樣本數(shù)據(jù)；將所述多業(yè)務(wù)樣本數(shù)據(jù)輸入所述多分支特征提取模型，分別提取每一業(yè)務(wù)樣本數(shù)據(jù)中的特異性特征和多個(gè)業(yè)務(wù)之間的共性特征；將所述特異性特征輸入所述多頭注意力模塊，分別對(duì)所述特異性特征進(jìn)行特征增強(qiáng)，每一所述特異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業(yè)務(wù)標(biāo)簽對(duì)所述業(yè)務(wù)模型進(jìn)行多輪次訓(xùn)練，得到訓(xùn)練好的識(shí)別模型。識(shí)別模型根據(jù)不同的注意力權(quán)重不僅能夠針對(duì)性的學(xué)習(xí)與業(yè)務(wù)相關(guān)的特征，還可以學(xué)習(xí)其他業(yè)務(wù)中的特征。進(jìn)而可以使一個(gè)模型能夠識(shí)別多種業(yè)務(wù)的狀態(tài)，進(jìn)而可以實(shí)現(xiàn)多個(gè)業(yè)務(wù)部門進(jìn)行業(yè)務(wù)協(xié)同的統(tǒng)籌管理。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多業(yè)務(wù)處理模型包括多分支特征提取模型，多頭注意力模塊和業(yè)務(wù)識(shí)別模型；所述訓(xùn)練方法包括：
2.如權(quán)利要求1所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多分支特征提取模型包括與所述業(yè)務(wù)一一對(duì)應(yīng)的判別器和特征生成網(wǎng)絡(luò)；
3.如權(quán)利要求1或2所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多業(yè)務(wù)樣本數(shù)據(jù)包括：園區(qū)運(yùn)維樣本數(shù)據(jù)，園區(qū)應(yīng)急事件樣本數(shù)據(jù)和園區(qū)公共設(shè)施監(jiān)控樣本數(shù)據(jù)。
4.如權(quán)利要求3所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多業(yè)務(wù)樣本數(shù)據(jù)包括視頻樣本數(shù)據(jù)和無源傳感器樣本數(shù)據(jù)；
5.如權(quán)利要求1所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述將所述特異性特征輸入所述多頭注意力模塊，分別對(duì)所述特異性特征進(jìn)行特征增強(qiáng)，每一所述特異性特征的注意力特征包括：
6.如權(quán)利要求1所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述識(shí)別模型包括與業(yè)務(wù)一一對(duì)應(yīng)的多個(gè)識(shí)別網(wǎng)絡(luò)分支；
7.一種多業(yè)務(wù)處理方法，其特征在于，包括：
8.一種多業(yè)務(wù)處理模型訓(xùn)練裝置，其特征在于，所述
9.一種電子設(shè)備，包括處理器、通信接口、存儲(chǔ)器和通信總線，其中，所述處理器、所述通信接口和所述存儲(chǔ)器通過所述通信總線完成相互間的通信，其特征在于，
10.一種計(jì)算機(jī)可讀的存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)執(zhí)行權(quán)利要求1至6中任一項(xiàng)所述的多業(yè)務(wù)處理模型訓(xùn)練方法和/或權(quán)利要求7所述的多業(yè)務(wù)處理方法。
...【技術(shù)特征摘要】
1.一種多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多業(yè)務(wù)處理模型包括多分支特征提取模型，多頭注意力模塊和業(yè)務(wù)識(shí)別模型；所述訓(xùn)練方法包括：
2.如權(quán)利要求1所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多分支特征提取模型包括與所述業(yè)務(wù)一一對(duì)應(yīng)的判別器和特征生成網(wǎng)絡(luò)；
3.如權(quán)利要求1或2所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多業(yè)務(wù)樣本數(shù)據(jù)包括：園區(qū)運(yùn)維樣本數(shù)據(jù)，園區(qū)應(yīng)急事件樣本數(shù)據(jù)和園區(qū)公共設(shè)施監(jiān)控樣本數(shù)據(jù)。
4.如權(quán)利要求3所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述多業(yè)務(wù)樣本數(shù)據(jù)包括視頻樣本數(shù)據(jù)和無源傳感器樣本數(shù)據(jù)；
5.如權(quán)利要求1所述的多業(yè)務(wù)處理模型訓(xùn)練方法，其特征在于，所述將所述特異性特征輸入所述多頭注意力模塊，分別對(duì)所述特異性特征進(jìn)行特征增強(qiáng)，每一所述特...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周勝，張應(yīng)清，盧麗娟，李韻，盧繼明，張林，代俊，
申請(qǐng)(專利權(quán))人：光谷技術(shù)有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。