[发明专利]基于神经网络的数据处理装置、方法及可读存储介质

权利要求书

1.一种基于神经网络的数据处理方法，其特征在于，所述方法包括：

将样本数据划分为训练集及测试集；

利用所述训练集训练预设神经网络，以训练得到第一检测模型；

利用所述测试集对所述第一检测模型进行验证，并根据验证结果统计得到第一准确率；

根据当前设定的数据清洗方式对所述训练集及所述测试集进行清洗；

对所述第一检测模型进行预设方式的微调，并利用清洗后的训练集对微调后的第一检测模型进行训练，以得到第二检测模型；

利用清洗后的测试集对所述第二检测模型进行验证，并根据验证结果统计得到第二准确率；

判断所述第一准确率是否大于所述第二准确率；

若所述第一准确率大于所述第二准确率，则选定所述第一检测模型为最终检测模型；

若所述第一准确率不大于所述第二准确率，则选定所述第二检测模型为所述最终检测模型；及

将待测数据输入至所述最终检测模型，以得到所述待测数据的检测结果。

2.如权利要求1所述的方法，其特征在于，所述预设神经网络为卷积神经网络，所述训练集的数据量大于所述测试集的数据量。

3.如权利要求1所述的方法，其特征在于，所述根据当前设定的数据清洗方式对所述训练集及所述测试集进行清洗的步骤包括：

获取用户从数据清洗库中选定的数据清洗方式；及

基于所述选定的数据清洗方式对所述训练集及所述测试集进行清洗；

其中，所述数据清洗库包含有多种数据清洗方式，所述设定的数据清洗方式为一种数据清洗方式或多种数据清洗方式的组合。

4.如权利要求3所述的方法，其特征在于，所述数据清洗库包括多个数据清洗单元，每一所述数据清洗单元对应一种数据类型，所述方法还包括：

获取所述样本数据的数据类型；及

根据所述样本数据的数据类型输出所述数据清洗单元的选用建议。

5.如权利要求1所述的方法，其特征在于，所述对所述第一检测模型进行预设方式的微调的步骤包括：

根据预设调整规则对所述第一检测模型的模型参数进行调整。

6.如权利要求5所述的方法，其特征在于，所述模型参数为隐藏层的层数和/或隐藏层的神经元数。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述样本数据的数据类型；

根据所述样本数据的数据类型获取历史清洗记录中所选用的数据清洗方式；及

推送历史清洗记录中被选用次数排名前预设位的数据清洗方式为建议的数据清洗方式。

8.如权利要求1所述的方法，其特征在于，所述样本数据为多个图片样本，所述数据清洗方式包括以下的一种或者多种的组合：图片特征提取、去背景处理、去噪处理、平滑处理。

9.一种基于神经网络的数据处理装置，所述装置包括处理器及存储器，所述存储器上存储有若干计算机程序，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-8任一项所述的基于神经网络的数据处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，多条所述指令可被一个或者多个处理器执行，以实现如权利要求1-8任一项所述的基于神经网络的数据处理方法的步骤。