(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111654954.0 (22)申请日 2021.12.31 (71)申请人 之江实验室 地址 311121 浙江省杭州市余杭区中泰街 道之江实验室新园区一区西区 申请人 复旦大学 (72)发明人 周水庚　王禹博　张吉　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 代理人 孙孟辉　杨小凡 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种基于多解码器的数据标注错误检测方 法与装置 (57)摘要 本发明公开了一种基于多解码器的数据标 注错误检测方法与装置， 通过建立图像数据集， 利用图像数据集对半监督异常检测神经网络进 行训练； 将训练过程中由编码器产生的隐层特征 通过多个解码器对样本数据进行重构， 得到隐层 特征重构层； 其中， 正样本解码器为一般的单解 码器， 负样本解码器则为特殊的多通道解码器， 这样的设计有利于刻画与区别正样本和负样本 的不同性质； 通过比较两个解码器对 数据样本的 重构效果对待检测图像数据进行异常检测。 本发 明能够提高负样本解码器对异常样本的拟合能 力， 从而扩 大正常样本与异常样 本之间的异常得 分差距， 提高异常检测性能。 权利要求书2页 说明书9页 附图3页 CN 114239751 A 2022.03.25 CN 114239751 A 1.一种基于多解码器的数据标注错 误检测方法， 其特 征在于包括如下步骤： S1， 建立正样本和无标记样本的图像数据集， 确定无标记样本的属性， 即将无标记样本 分类为正样本和负 样本； S2， 正样本和无 标记样本通过编码器， 得到图像数据的隐层特 征； S3， 隐层特征通过正、 负样本解码器， 将正样本通过正样本解码器， 得到正样本的重构 结果， 将无标记样本分别通过正、 负样本解码器， 得到无标记样本分别在正、 负样本解码器 下的重构结果， 对样本进行竞争重构； S4， 比较正、 负样本解码器的重构误差， 将无标记样本中的负样本， 在正、 负样本解码器 下的重构误差最小值， 与正样本的重构误差联合计算损失， 对解码器和/或编码器进行训 练； S5， 训练完成后， 对待检测图像数据进行异常检测。 2.根据权利要求1所述的一种基于多解码器的数据标注错误检测方法， 其特征在于所 述S1中， 对图像数据集进 行预处理， 包括对图像数据进 行降维处理、 将图像特征扁平化处理 和归一化操作。 3.根据权利要求1所述的一种基于多解码器的数据标注错误检测方法， 其特征在于所 述S1中， 对图像数据进行批量序列随机化处 理。 4.根据权利要求1所述的一种基于多解码器的数据标注错误检测方法， 其特征在于所 述S3中的正样本解码器为单解码器， 负样本解码器为一组负样本解码器或， 其结果使用注 意力机制进行融合。 5.根据权利要求4所述的一种基于多解码器的数据标注错误检测方法， 其特征在于所 述的负样本解码器， 采用多通道负 样本解码器。 6.根据权利要求1所述的一种基于多解码器的数据标注错误检测方法， 其特征在于所 述S4中， 计算重构误差后的损失计算， 采用如下损失函数： 其中， 表示正样本集合， 表示无标记样 本集合， 表示正样本集合在 正样本解码器重构的结果， 表示无标记样本集合中负样本， 在正样本解码器重 构的结果， 表示无标记样本集合中的负样本， 在负样本解码器重构的结果， j 表示负样本集合的索引， 表示L2范数的平方。 7.根据权利要求1所述的一种基于多解码器的数据标注错误检测方法， 其特征在于所 述S4中， 通过梯度下降算法， 得出损失函数在以模型参数为自变量时的梯度， 采用正向传播 与误差的反向传播 算法迭代参数。 8.根据权利要求1所述的一种基于多解码器的数据标注错误检测方法， 其特征在于所权　利　要　求　书 1/2 页 2 CN 114239751 A 2述S4中， 错 误标注的数据表现为 解码器 的重构误差大于解码器组 的重构误。 9.一种基于多解码器的数据标注错误检测装置， 其特征在于， 包括一个或多个处理器， 用于实现权利要求1 ‑8中任一项所述的一种基于多解码器的数据标注错 误检测方法。权　利　要　求　书 2/2 页 3 CN 114239751 A 3