[发明专利]一种数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

针对待处理数据集中的待处理图像，确定每个待处理图像的图像特征向量，其中，每个待处理图像对应一个被标注出的分类标签；

针对所述待处理数据集中任一目标待处理图像，基于所述目标待处理图像的图像特征向量，确定所述目标待处理图像针对每个分类标签的置信度；

基于所述目标待处理图像针对每个分类标签的置信度，确定所述目标待处理图像被标注出的分类标签是否正确；

在所述目标待处理图像被标注出的分类标签不正确的情况下，对所述目标待处理图像进行处理。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过预先训练好的特征提取模型分别对每个待处理图像进行特征提取，得到每个待处理图像的图像特征向量，其中，所述特征提取模型通过多批训练图像分批训练得到，每批次训练图像的分类标签相同，不同批次训练图像的分类标签不同。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定每个分类标签对应的待处理图像；

基于每个分类标签所对应的待处理图像的图像特征向量，分别确定每个分类标签对应的特征均值；

所述基于所述目标待处理图像的图像特征向量，确定所述目标待处理图像针对每个分类标签的置信度，包括：

基于每个分类标签对应的特征均值和所述目标待处理图像的图像特征向量，确定所述目标待处理图像针对每个分类标签的置信度。

4.根据权利要求3所述的方法，其特征在于，所述基于每个分类标签所对应的待处理图像的图像特征向量，分别确定每个分类标签对应的特征均值，包括：

确定每个分类标签所对应的待处理图像的图像特征向量中的多个预设特征维度；

针对每个分类标签，基于所述分类标签所对应的待处理图像的图像特征向量中在每个预设特征维度下的特征值和所述多个预设特征维度，确定所述分类标签在每个预设特征维度下的特征维度均值；

使用所述分类标签在每个预设特征维度下的特征维度均值和所述多个预设特征维度，计算所述分类标签对应的特征均值。

5.根据权利要求3或4所述的方法，其特征在于，所述基于每个分类标签对应的特征均值和所述目标待处理图像的图像特征向量，确定所述目标待处理图像针对每个分类标签的置信度，包括：

对每个分类标签对应的特征均值和所述目标待处理图像的图像特征向量进行相似度计算，得到所述目标待处理图像与每个分类标签之间的相似度；

按照所述目标待处理图像与每个分类标签之间的相似度，对所述目标待处理图像与每个分类标签进行逻辑回归处理，得到所述目标待处理图像针对每个分类标签的置信度。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述置信度包括第一置信度和第二置信度，所述第一置信度为所述目标待处理图像针对所述目标待处理图像被标注出的分类标签的置信度，所述第二置信度为所述目标待处理图像针对所述多个分类标签中除所述目标待处理图像被标注出的分类标签之外的其他分类标签的置信度；

所述基于所述目标待处理图像针对每个分类标签的置信度，确定所述目标待处理图像被标注出的分类标签是否正确，包括：

在所述第一置信度小于或者等于预设置信度阈值、并且存在至少一个所述第二置信度大于所述预设置信度阈值的情况下，确定所述目标待处理图像被标注出的分类标签不正确。

7.根据权利要求1所述的方法，其特征在于，在所述针对待处理数据集中的待处理图像，确定每个待处理图像的图像特征向量之后，所述方法还包括：

在分类标签中确定目标分类标签，其中，所述目标分类标签对应至少两个目标图像；

基于每个目标图像的图像特征向量，确定任意两个目标图像之间的图像相似度；

基于预设的相似度阈值和所述图像相似度，确定是否需要对所述任意两个目标图像进行图像数据精简。