CN112817452A - 样本数据的获取方法、装置、电子设备及存储介质 - Google Patents
样本数据的获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112817452A CN112817452A CN202110121423.9A CN202110121423A CN112817452A CN 112817452 A CN112817452 A CN 112817452A CN 202110121423 A CN202110121423 A CN 202110121423A CN 112817452 A CN112817452 A CN 112817452A
- Authority
- CN
- China
- Prior art keywords
- sensor data
- action
- sample
- terminal
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000009471 action Effects 0.000 claims abstract description 262
- 238000001514 detection method Methods 0.000 claims abstract description 100
- 238000012546 transfer Methods 0.000 claims abstract description 58
- 238000012790 confirmation Methods 0.000 claims description 30
- 230000001960 triggered effect Effects 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 230000001133 acceleration Effects 0.000 description 14
- 230000005484 gravity Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 208000023414 familial retinal arterial macroaneurysm Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请涉及一种样本数据的获取方法、装置、电子设备及存储介质,属于互联网技术领域。该方法包括:获取第一传感器数据;基于第一传感器数据,通过动作检测模型,确定当前设备执行的第一动作;基于第一动作和预设的动作集合,确定第一传感器数据的样本类型,预设的动作集合中存储有至少一个目标动作,目标动作用于触发当前设备展示资源转移图形码;在第一传感器数据中标注样本类型,得到样本传感器数据。通过上述方法能够对产生的任一传感器数据进行样本类型的标注,这样就不需要指导用户去触发当前设备生成正样本的传感器数据或者负样本的传感器数据,避免了由于用户操作不规范导致的样本数据获取不准确的问题,提高了样本数据获取的准确性。
Description
技术领域
本申请实施例涉及互联网技术领域,特别涉及一种样本数据的获取方法、装置、电子设备及存储介质。
背景技术
目前,在资源转移过程中,为了节约用户触发终端展示资源转移图形码所需的时间,终端通过动作检测模型确定终端是否执行了预设的智感转移动作,当终端执行该预设的智感转移动作时,展示资源转移图形码。因此,在通过上述方法触发终端展示资源转移图形码之前,需要训练动作检测模型;而训练动作检测模型时,需要获取正样本数据和负样本数据,正样本数据为触发终端展示资源转移图形码的动作所对应的传感器数据,负样本数据为误触发终端展示转移转移图形码的动作所对应的传感器数据。
发明内容
本申请实施例提供了一种样本数据的获取方法、装置、电子设备及存储介质,能够提高样本数据获取的准确性。所述技术方案如下:
一方面,提供了一种样本数据的获取方法,所述方法包括:
获取第一传感器数据;
基于所述第一传感器数据,通过动作检测模型,确定当前设备执行的第一动作;
基于所述第一动作和预设的动作集合,确定所述第一传感器数据的样本类型,所述预设的动作集合中存储有至少一个目标动作,所述目标动作用于触发所述当前设备展示资源转移图形码;
在所述第一传感器数据中标注所述样本类型,得到样本传感器数据。
另一方面,提供了一种样本数据的获取装置,所述装置包括:
获取模块,用于获取第一传感器数据;
第一确定模块,用于基于所述第一传感器数据,通过动作检测模型,确定当前设备执行的第一动作;
第二确定模块,用于基于所述第一动作和预设的动作集合,确定所述第一传感器数据的样本类型,所述预设的动作集合中存储至少一个目标动作,所述目标动作用于触发所述当前设备展示资源转移图形码;
标注模块,用于在所述第一传感器数据中标注所述样本类型,得到样本传感器数据。
另一方面,提供了一种电子设备,所述电子设备包括处理器和存储器;所述存储器存储有至少一条程序代码,所述至少一条程序代码用于被所述处理器执行以实现如上述方面所述的样本数据的获取方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质存储有至少一条程序代码,所述至少一条程序代码用于被电子设备的处理器执行以实现如上述方面所述的样本数据的获取方法。
另一方面,提供了一种计算机程序产品,当所述计算机程序产品中的程序代码由电子设备的处理器执行时,使得所述电子设备能够执行如上述方面所述的样本数据的获取方法。
在本申请实施例中,由于动作检测模型在训练过程中学习了传感器数据与动作之间的对应关系,因此,本申请借助于动作检测模型能够确定出当前设备所执行的动作,并且由于当前设备中已存储了用于触发当前设备展示资源转移图形码的动作集合,因此可以结合该动作以及动作集合,对该传感器数据进行样本类型的标注,进而得到样本传感器数据。由此可见,通过上述方法能够对产生的任一传感器数据进行样本类型的标注,这样就不需要指导用户去触发当前设备生成正样本的传感器数据或者负样本的传感器数据,避免了由于用户操作不规范导致的样本数据获取不准确的问题,提高了样本数据获取的准确性。
附图说明
图1示出了本申请一个示例性实施例所提供的实施环境的示意图;
图2示出了本申请一个示例性实施例所提供的终端的结构框图;
图3示出了本申请一个示例性实施例所提供的服务器的结构框图;
图4示出了本申请一个示例性实施例示出的样本数据的获取方法的流程图;
图5示出了本申请一个示例性实施例示出的样本数据的获取方法的示意图;
图6示出了本申请一个示例性实施例示出的样本数据的获取方法的示意图;
图7示出了本申请一个示例性实施例示出的样本数据的获取方法的流程图;
图8示出了本申请一个示例性实施例示出的样本数据的获取方法的示意图;
图9示出了本申请一个示例性实施例示出的样本数据的获取方法的示意图;
图10示出了本申请一个示例性实施例示出的样本数据的获取方法的流程图;
图11示出了本申请一个示例性实施例所提供的装置的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的样本数据的获取方法,应用于电子设备。在一种可能实现方式中,电子设备为终端,例如,手机、平板电脑、计算机等。在另一种可能实现方式中,电子设备为服务器,该服务器为一台服务器,或者由若干服务器组成的服务器集群,或者是一个云计算服务中心。在另一种可能实现方式中,电子设备包括终端和服务器。
图1是本申请实施例提供的一种实施环境的示意图。参见图1,该实施环境包括至少一个终端100和服务器200。终端100和服务器200之间通过无线或者有线网络连接。
终端100上安装由服务器200提供服务的第一应用程序,终端100能够通过该第一应用程序实现例如数据传输、消息交互等功能。可选地,第一应用程序为终端100操作***中的应用程序,或者为第三方提供的应用程序。例如,第一应用程序为样本获取应用程序,该样本获取应用程序具有获取样本数据的功能,当然,该样本获取应用程序还能够具有其他功能,例如,数据采集功能等。在一种可能的实现方式中,服务器200为该第一应用程序的后台服务器或者为提供云计算以及云存储等服务的云服务器。
在一种可能的实现方式中,终端100向服务器发送模型获取请求,服务器200基于接收的模型获取请求,将已经训练好的动作检测模型发送至终端100,终端100基于该动作检测模型对终端100执行的动作进行检测,进而获取样本传感器数据。
本申请实施例提供的样本数据的获取方法,可应用于样本数据获取场景中:
例如,应用于资源转移场景中。其中,终端100上安装有第二应用程序,该第二应用程序用于资源转移。
用户通过一系列操作触发终端展示资源转移图形码,其他用户使用的终端通过扫描该资源转移图形码,以实现资源转移操作。为了节约用户触发终端展示资源转移图形码所需的时间,终端通过动作检测模型确定终端是否执行了预设的智感转移动作,当终端执行该预设的智感转移动作时,展示资源转移图形码。
在资源转移的过程中,终端通过动作检测模型确定终端所执行的第一动作所对应的第一传感器数据的样本类型,进而根据该样本类型,展示资源转移图形码,以及获取样本传感器数据。在一种可能的实现方式中,获取到的样本传感器数据用于对动作检测模型进行更新。
例如,在用户通过终端(手机)向商家付款时,该智感转移动作可以为翻转动作,该资源转移图形码可以为用户的付款码,若用户翻转终端,则终端获取到第一传感器数据,通过动作检测模型,确定出该动作为翻转动作,则终端展示付款码,进而商家通过图形码扫描设备对该付款码进行扫描,实现付款,并且终端确定该第一传感器数据的样本类型为正样本,得到样本传感器数据。
需要说明的是,本申请实施例仅是以资源转移场景为例,对样本数据获取场景进行示例性说明,并不对样本数据获取场景造成限制,本申请实施例提供的样本数据的获取方法还能够应用于其他任一样本数据获取场景中。
在本申请实施例中,提供一种电子设备,该电子设备包括处理器和用于存储该处理器可执行指令的存储器;其中,该处理器被配置为执行该指令,以实现执行本申请实施例提供的样本数据的获取方法。
在一种可能的实现方式中,该电子设备可提供为终端,请参考图2,其示出了本申请一个示例性实施例所提供的终端100的结构框图。终端100可以是智能手机、平板电脑等具有图像处理功能的终端。本申请中的终端100可以包括一个或多个如下部件:处理器110、存储器120、显示屏130。
处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个终端100内的各个部分,通过运行或执行存储在存储器120内的指令、程序、代码集或指令集,以及调用存储在存储器120内的数据,执行终端100的各种功能和处理数据。可选地,处理器110可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(Central ProcessingUnit,CPU)、图像处理器(Graphics Processing Unit,GPU)、神经网络处理器(Neural-network Processing Unit,NPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示屏130所需要显示的内容的渲染和绘制;NPU用于实现人工智能(Artificial Intelligence,AI)功能;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器110中,单独通过一块芯片进行实现。
存储器120可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选地,该存储器120包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等;存储数据区可存储根据终端100的使用所创建的数据(比如音频数据、电话本)等。
显示屏130是用于显示用户界面的显示组件。可选的,该显示屏130为具有触控功能的显示屏,通过触控功能,用户可以使用手指、触摸笔等任何适合的物体在显示屏130上进行触控操作。
显示屏130通常设置在终端100的前面板。显示屏130可被设计成为全面屏、曲面屏、异型屏、双面屏或折叠屏。显示屏130还可被设计成为全面屏与曲面屏的结合,异型屏与曲面屏的结合等,本实施例对此不加以限定。
除此之外,本领域技术人员可以理解,上述附图所示出的终端100的结构并不构成对终端100的限定,终端100可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端100中还包括麦克风、扬声器、射频电路、输入单元、传感器、音频电路、无线保真(Wireless Fidelity,Wi-Fi)模块、电源、蓝牙模块等部件,在此不再赘述。
在另一种可能的实现方式中,该电子设备可提供为服务器,请参考图3,其示出了本申请一个示例性实施例所提供的服务器200的结构框图。该服务器200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central Processing Units,CPU)201和一个或一个以上的存储器202,其中,存储器202用于存储可执行指令,处理器201被配置为执行上述可执行指令,以实现上述各个方法实施例提供的样本数据的获取方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不再赘述。
请参考图4,其示出了本申请一个示例性实施例示出的样本数据的获取方法的流程图。本实施例以执行主体为终端,且终端通过动作检测模型直接确定第一传感器数据的样本类型为例进行说明。该方法包括:
步骤401:终端获取第一传感器数据。
其中,该第一传感器数据包括重力加速度数据和旋转角速度数据。重力加速度数据是通过加速度传感器采集的,旋转角速度传感器是通过角速度传感器(陀螺仪)采集的。在本步骤中,加速度传感器和角速度传感器均基于采样频率进行传感器数据的采集,得到第一传感器数据,向终端发送该第一传感器数据。其中,每个传感器均包括传感器接口,每个传感器通过该传感器接口向终端发送该第一传感器数据。采样频率可以根据需要进行设置和更改,本申请对此不作具体限定;例如,该采样频率可以为200ms/次、60ms/次等。
其中,该重力加速度数据包括沿水平轴(x轴)的重力加速度、沿垂直轴(y轴)的重力加速度和沿竖直轴(z轴)的重力加速度,该旋转角速度数据包括围绕水平轴的旋转角速度、围绕垂直轴的旋转角速度和围绕竖直轴的旋转角速度。
需要说明的一点是,对于终端而言,水平轴和垂直轴组成的平面与终端的显示屏所在的平面平行,竖直轴为与终端的显示屏所在的平面垂直的坐标轴。
例如,图5示出了第一传感器数据的波形图,参见图5,上图为加速度传感器的采集到的重力加速度数据,横轴为采样的频数frams,纵轴为重力加速度,其中,沿x轴的重力加速度为gravity_x,沿y轴的重力加速度为gravity_y,沿z轴的重力加速度为gravity_z。下图为角速度传感器采集到的旋转角速度数据,横轴为采样的频数frams,纵轴为旋转角速度,其中,围绕x轴的旋转角速度为gyro_x,围绕y轴的旋转角速度为gyro_y,围绕z轴的旋转角速度为gyro_z。
在本步骤中,第一传感器数据为通过第一应用程序在预设时间段内获取的传感器数据。其中,终端开始获取以及停止获取该第一传感器数据的实现方式可以由用户来触发。该预设时间段可以根据需要进行设置和更改,本申请对此不作具体限定,例如该预设时间段为7:00至18:00。
相应的,终端中安装有第一应用程序,用户可以触发该第一应用程序的图标以触发终端展示该第一应用程序的主界面;终端响应于基于该第一应用程序的图标触发的展示操作,展示该第一应用程序的主界面。在一种可能的实现方式中,该主界面中展示有开始选项,相应的,用户可以在主界面中触发该开始选项以触发终端开始获取第一传感器数据。在一种可能的实现方式中,该主界面中展示有暂停选项,相应的,用户可以在主界面中触发该暂停选项以触发终端停止获取第一传感器数据。例如,图6示出了一种第一应用程序的主界面的示意图,参见图6,在触发该开始选项(START)之后,该主界面由展示开始选项更新为展示暂停选项(PAUSE)。
步骤402:终端基于该第一传感器数据,通过动作检测模型,确定终端执行的第一动作。
其中,该第一动作可以为任一类型的动作,例如翻转动作、平移动作、摇一摇动作等,该第一动作可以根据需要设置和更改,本申请对此不作具体限定,在本申请实施例中,以第一动作为翻转动作为例进行说明;例如,用户将终端由显示屏朝上翻转至显示屏朝下,则终端执行了上-下翻转的动作;再如,用户将终端由显示屏朝上翻转至显示屏朝前横放,则终端执行了上-前横翻转的动作。
终端在执行某一动作时,终端中安装的传感器会采集相应的传感器数据,因此,采集到的传感器数据能够体现终端执行的动作。相应的,在本步骤中,终端将该第一传感器数据输入动作检测模型,该动作检测模型输出终端执行的第一动作。其中,终端获取该动作检测模型的实现方式为终端通过tflite(一种推理模型)模型调用该动作检测模型。该tflite模型为终端中内置的一个推理模型。
在本步骤中,该动作检测模型为事先训练好的模型。在一种可能的实现方式中,终端训练该动作检测模型的实现方式包括以下步骤(1)-(2):
(1)终端获取第三传感器数据。
其中,该第三传感器数据包括样本类型分别为正样本和负样本的传感器数据。在一种可能的实现方式中,终端获取该第三传感器数据的实现方式为:终端展示第三动作的操作步骤,响应于用户基于该操作步骤触发终端执行第三动作,终端获取第三传感器数据。
在一种可能的实现方式中,本步骤的实现方式与步骤301的内容相似,在此不再赘述。
(2)终端基于该第三传感器数据,对初始动作检测模型进行训练,得到该动作检测模型。
其中,终端基于该第三动作的样本类型,在该第三传感器数据中标注该样本类型,得到初始动作检测模型的样本传感器数据。在本步骤中,该第三动作的样本类型为正样本或者负样本,相应的,若该第三动作的样本类型为正样本,则终端为该第三传感器数据标注正样本的标签;若该第三动作的样本类型为负样本,则终端为该第三传感器数据标注负样本的标签,得到标注后的第三传感器数据,即初始动作检测模型的样本传感器数据。
在本步骤中,终端借助于服务器执行步骤(2),相应的,本步骤的实现方式可以为:终端将基于该第三动作的样本类型,在该第三传感器数据中标注该样本类型,向服务器发送标注后的第三传感器数据;服务器接收该标注后的第三传感器数据,将标注后的第三传感器数据输入初始动作检测模型中,对初始动作检测模型进行训练,得到该动作检测模型,向终端发送该动作检测模型;终端接收该动作检测模型。
在一种可能的实现方式中,服务器在得到该动作检测模型时就将该动作检测模型发送至终端;在另一种可能的实现方式中,在终端需要进行动作检测时,向服务器发送模型获取请求,服务器接收该模型获取请求,向终端发送该动作检测模型。
其中,该动作检测模型可以为人工神经网络(Artificial Neural Network,ANN)模型,例如,该动作检测模型为循环神经网络(Recurrent Neural Network,RNN)模型。该循环神经网络可以为倍增长短期记忆的全卷积神经网络,(Multiplicative Long Short-Term Memory-Fully Convolutional Network,MLSTM-FCN)。
步骤403:终端基于该第一动作和预设的动作集合,确定判断结果,该判断结果用于表示该预设的动作集合中是否包括该第一动作,该预设的动作集合中存储有至少一个目标动作,该目标动作用于触发该终端展示资源转移图形码。
其中,终端中事先存储有预设的动作集合。例如,参见表1,预设的动作集合中包括多个目标动作,该多个目标动作分别为:上-下翻转、上-前横翻转、上-前竖翻转、后竖-下翻转、后竖-前竖翻转、后竖-前横翻转。该时间序列标签表示终端在执行第一动作前后由第一状态转至第二状态,例如,终端由屏幕朝上(SCREEN_UP)转至屏幕朝下(SCREEN_DOWN)、由屏幕朝上(SCREEN_UP)转至屏幕横向朝前、由屏幕朝上(SCREEN_UP)转至屏幕竖向朝前(SCREEN_FRONT_PORTRAIT)、由屏幕竖向朝后(SCREEN_BACK_PORTRAIT)转至屏幕朝下(SCREEN_DOWN)、由屏幕竖向朝后(SCREEN_BACK_PORTRAIT)转至屏幕竖向朝前(SCREEN_FRONT_PORTRAIT)、由屏幕竖向朝后(SCREEN_BACK_PORTRAIT)转至横向朝前(SCREEN_FRONT_LANDSCAPE)。
表1
序号 | 时间序列标签 | 目标动作 |
1 | SCREEN_UP_SCREEN_DOWN | 上-下翻转 |
2 | SCREEN_UP_SCREEN_FRONT_LANDSCAPE | 上-前横翻转 |
3 | SCREEN_UP_SCREEN_FRONT_PORTRAIT | 上-前竖翻转 |
4 | SCREEN_BACK_PORTRAIT_SCREEN_DOWN | 后竖-下翻转 |
5 | SCREEN_BACK_PORTRAIT_SCREEN_FRONT_PORTRAIT | 后竖-前竖翻转 |
6 | SCREEN_BACK_PORTRAIT_SCREEN_FRONT_LANDSCAPE | 后竖-前横翻转 |
在一种可能的实现方式中,终端通过动作检测模型确定该第一动作,再确定该预设的动作集合中是否包括该第一动作,相应的,若预设的动作集合中包括该第一动作,则终端确定该判断结果为该预设的动作集合中包括该第一动作;若预设的动作集合中包括该第一动作,则终端确定该判断结果为该预设的动作集合中不包括该第一动作。
在另一种可能的实现方式中,终端直接通过动作检测模型确定该预设的动作集合中是否包括该第一动作,相应的,步骤402-步骤403的实现方式可以为:终端基于该第一传感器数据,通过动作检测模型确定该第一动作与该预设的动作集合中的每个目标动作之间的匹配概率,基于该匹配概率确定判断结果,该判断结果用于表示该预设的动作集合中是否包括该第一动作。
由于预设的动作集合中包括至少一个目标动作,因此终端通过动作检测模型确定的匹配概率为至少一个,相应的,终端基于该匹配概率确定该判断结果的实现方式包括:若该至少一个匹配概率中的最大值与其他匹配概率之间的差值不小于预设数值,则终端确定该第一动作为该最大值对应的目标动作,即该判断结果为该预设的动作集合中包括该第一动作;;若该至少一个匹配概率中的最大值与其他匹配概率之间的差值小于预设数值,则终端确定该第一动作为其他动作,即该判断结果为该预设的动作集合中不包括该第一动作。
例如,该至少一个目标动作分别为上-下翻转、上-前横翻转、上-前竖翻转、后竖-下翻转、后竖-前竖翻转、后竖-前横翻转,该至少一个匹配概率分别为[90,10,3,8,14,11],可见,最大值为90,预设数值为60,则终端确定该第一动作为上-下翻转,即该判断结果为该预设的动作集合中包括该第一动作。
在本申请实施例中,在执行完步骤403的操作时,终端基于该判断结果,确定该第一传感器数据的样本类型。由于判断结果存在两种可能的情况,因此第一种情况,终端继续执行步骤404的操作;第二种情况,终端继续执行步骤405的操作。
步骤404:若该判断结果为该预设的动作集合中包括该第一动作,则终端确定该第一传感器数据的样本类型为正样本。
其中,由于预设的动作集合中的至少一个目标动作用于触发该终端展示资源转移图形码,因此,若预设的动作集合中包括该第一动作,表明该第一动作为触发终端展示资源转移图形码的动作,例如,该第一动作为上-下翻转的动作。
步骤405:若该判断结果为该预设的动作集合中不包括该第一动作,则终端确定该第一传感器数据的样本类型为负样本。
其中,若预设的动作集合中不包括该第一动作,表明该第一动作非触发终端展示资源转移图形码的动作,例如,该第一动作为触发终端点亮显示屏的动作。
在本申请实施例中,终端直接根据预设的动作集合中是否包括该第一动作来确定第一传感器数据的样本类型,提高了样本获取的效率。
在本申请实施例中,由于预设的动作集合为触发展示资源转移图形码的动作的集合,因此通过确定第一动作是否为触发展示资源转移图形码的动作来确定该第一传感器是否为正样本,提高了样本获取的准确性。
步骤406:终端在该第一传感器数据中标注该样本类型,得到样本传感器数据。
其中,终端通过对已确定样本类型的第一传感器数据进行样本类型的标注,便于对正样本和负样本的区别,使得在后续根据标注后得到的样本传感器数据对动作检测模型进行更新时,动作检测模型能够有效识别正样本和负样本,提高了样本数据的识别效率。
在一种可能的实现方式中,终端在得到的样本传感器数据的数量较多时,可以对动作检测模型进行更新,相应的,在步骤406之后,本申请实施例提供的方法还包括步骤407:终端基于该样本传感器数据,对该动作检测模型进行更新。
其中,终端借助于服务器执行该步骤,相应的,本步骤的实现方式可以为:终端向服务器发送样本传感器数据;服务器接收该样本传感器数据,将该样本传感器数据输入动作检测模型中,对动作检测模型进行更新训练,得到更新后的动作检测模型。在本步骤中,在终端需要进行动作检测时,通过服务器调用该训练好的动作检测模型。
在本申请实施例中,由于样本传感器数据是通过动作检测模型得到的,因此,样本传感器数据的准确度较高,因此基于该样本传感器数据对动作检测模型进行更新,提高了动作检测模型动作检测的准确性。
请参考图7,其示出了本申请一个示例性实施例示出的样本数据的获取方法的流程图。本实施例以执行主体为终端,且终端通过动作检测模型并结合人工确认的方式确定第一传感器数据的样本类型为例进行说明。该方法包括:
步骤701:终端获取第一传感器数据。
步骤702:终端基于该第一传感器数据,通过动作检测模型,确定当前设备执行的第一动作。
步骤703:终端基于该第一动作和预设的动作集合,确定判断结果,该判断结果用于表示该预设的动作集合中是否包括该第一动作,该预设的动作集合中存储有至少一个目标动作,该目标动作用于触发该当前设备展示资源转移图形码。
在一种可能的实现方式中,步骤701-步骤703的实现方式与步骤401-步骤403的实现方式相似,在此不再赘述。
步骤704:终端展示样本类型确认信息,该样本类型确认信息包括该判断结果、确认选项和否定选项。
在一种可能的实现方式中,终端展示该样本类型确认信息的实现方式可以为:终端展示提示区域,在该提示区域中展示样本类型确认信息。样本类型确认信息的展示样式可以根据需要进行设置和更改,本申请对此不作具体限定;例如,该样本类型确认信息的展示样式为弹出窗口、悬浮窗口等,该确定选项可以为“是”,该否定选项可以为“否”。
其中,终端可以直接在该样本类型确定信息中展示该判断结果;或者,由于该判断结果为该预设的动作集合中包括该第一动作或者该预设的动作集合中不包括该第一动作,可见,该判断结果的内容较多,因此终端也可以简化该判断结果,将简化后的判断结果展示在该样本类型确定信息中。其中,终端简化该判断结果的实现方式可以为:若该判断结果为该预设的动作集合中包括该第一动作,终端确定该第一传感器数据的样本类型为正样本,则终端确定该样本类型确定信息包括第一传感器数据的样本类型为正样本的信息;若该判断结果为该预设的动作集合中不包括该第一动作,终端确定该第一传感器数据的样本类型为负样本,则终端确定该样本类型确定信息包括第一传感器数据的样本类型为负样本的信息。
步骤705:终端响应于该样本类型确定信息的选择操作,基于该判断结果确定该第一传感器数据的样本类型。
其中,由于用户对终端所作的操作也即终端执行的第一动作可能为触发终端展示资源转移图形码的动作,也可能为用户误触发的动作,例如,触发终端展示资源转移图形码的动作为翻转动作,而用户接打电话的动作、用户将终端从口袋中拿出的动作都有可能使得终端翻转,因此,需要通过展示样本类型确定信息来获取用户的真实意图。相应的,该步骤的实现方式包括以下两种情况。
第一种情况,终端响应于该确认选项触发的确认操作,将该判断结果对应的样本类型确定为该第一传感器数据的样本类型。
若用户通过终端触发该确定选项,表明用户通过终端执行第一动作的意图与该判断结果相同,若该判断结果为该预设的动作集合中包括该第一动作,则终端确定该第一传感器数据的样本类型为正样本;若该判断结果为该预设的动作集合中不包括该第一动作,则终端确定该第一传感器数据的样本类型为负样本。
第二种情况,终端响应于该否定选项触发的否定操作,将该判断结果对应的样本类型的相反类型确定为该第一传感器数据的样本类型。
若用户通过终端触发该否定选项,表明用户通过终端执行第一动作的意图与该判断结果不同,若该判断结果为该预设的动作集合中包括该第一动作,则终端确定该该第一传感器数据的样本类型为负样本;若该判断结果为该预设的动作集合中不包括该第一动作,则终端确定该第一传感器数据的样本类型为正样本。
在本申请实施例中,在第一步通过判断结果确定第一传感器数据的样本类型的基础上,增加了第二步人工判断第一传感器数据的样本类型的步骤,从而对第一步确定的样本类型进行了修正,提高了确定第一传感器数据的样本类型的准确性。
步骤706:终端在该第一传感器数据中标注该样本类型,得到样本传感器数据。
该步骤的实现方式与步骤406的内容相似,在此不再赘述。
在一种可能的实现方式中,终端可以分别统计在该判断结果对应的样本类型为正样本的情况下,确认选项和否定选项分别被触发的数量,基于该数量确定该动作检测模型的准确率(Precise,P)。相应的,该步骤的实现方式包括以下步骤A1-A2:
A1:终端确定第一数量和第二数量,该第一数量为该判断结果对应的样本类型为正样本,且被触发确认操作对应的第一传感器数据的数量,该第二数量为该判断结果对应的样本类型为正样本,且被触发否定操作对应的第一传感器数据的数量。
其中,该第一数量表示在通过动作检测模型检测的第一动作中,被终端确定为正样本且实际属于触发终端展示资源转移图形码的动作的数量;该第二数量表示在通过动作检测模型检测的第一动作中,被终端确定为正样本且实际并不属于触发终端展示资源转移图形码的动作的数量。
例如,该第一数量为TP=20,该第二数量为FP=4。参见图8,在用户判断该判断结果后,分别统计TP和FP,并继续对终端的动作进行检测。
A2:终端基于该第一数量与第二数量,确定该动作检测模型的准确率,该准确率为该动作检测模型的评价指标。
其中,该准确率P=TP/(TP+FP),例如,TP=20,FP=4,则P=0.83。
在本申请实施例中,终端通过统计在该判断结果对应的样本类型为正样本的情况下,确认选项和否定选项分别被触发的数量来确定该动作检测模型的准确率,能够评价该动作检测模型是否能够正式应用在资源转移过程中,进而为评价该动作检测模型提供了一个评价指标。
在一种可能的实现方式中,终端可以分别统计在该判断结果对应的样本类型为正样本的情况下,确认选项被触发的数量以及在该判断结果对应的样本类型为负样本的情况下,否定选项被触发的数量,基于该两个数量确定该动作检测模型的召回率(Recall,R)。相应的,该步骤的实现方式包括以下步骤B1-B2:
B1:终端确定第一数量和第三数量,该第一数量为该判断结果对应的样本类型为正样本,且被触发确认操作对应的第一传感器数据的数量,该第三数量为该判断结果对应的样本类型为负样本,且被触发否定操作对应的第一传感器数据的数量。
其中,该第三数量表示在通过动作检测模型检测的第一动作中,被终端确定为负样本但实际属于触发终端展示资源转移图形码的动作的数量。
例如,该第一数量为TP=20,该第三数量为FN=2。参见图9,其示出了FP、TP和FN之间的关系。
B2:终端基于该第一数量和该第三数量,确定该动作检测模型的召回率,该召回率为该动作检测模型的评价指标。
其中,该召回率R=TP/(TP+FN),例如,TP=20,FN=2,则R=0.91。
在本申请实施例中,终端通过统计在该判断结果对应的样本类型为正样本的情况下,确认选项被触发的数量以及在该判断结果对应的样本类型为负样本的情况下,否定选项被触发的数量,来确定该动作检测模型的召回率,能够评价该动作检测模型是否能够正式应用在资源转移场景中,进而为评价该动作检测模型提供了一个评价指标。
需要说明的一点是,在准确率达到第一预设阈值且召回率达到第二预设阈值的情况下,终端可以将该动作检测模型应用在资源转移场景中,并且无需再结合人工确认的方式来确定该第一传感器数据的样本类型,进而能够节省操作时间。在准确率未达到第一预设阈值或者召回率未达到第二预设阈值的情况下,终端需要继续结合人工确认的方式来修正该动作检测模型的判断结果,并且获取到的样本传感器数据的数量较多时,基于该样本传感器数据对该动作检测模型进行更新。
其中,该第一预设阈值和第二预设阈值可根据需要进行设置和更改,本申请对此不作具体限定;例如,第一预设数值为0.95,第二预设阈值为0.90。
在本申请实施例中,由于动作检测模型在训练过程中学习了传感器数据与动作之间的对应关系,因此,本申请借助于动作检测模型能够确定出当前设备所执行的动作,并且由于当前设备中已存储了用于触发当前设备展示资源转移图形码的动作集合,因此可以结合该动作以及动作集合,对该传感器数据进行样本类型的标注,进而得到样本传感器数据。由此可见,通过上述方法能够对产生的任一传感器数据进行样本类型的标注,这样就不需要指导用户去触发当前设备生成正样本的传感器数据或者负样本的传感器数据,避免了由于用户操作不规范导致的样本数据获取不准确的问题,提高了样本数据获取的准确性。
请参考图10,其示出了本申请一个示例性实施例示出的样本数据的获取方法的流程图。本实施例以执行主体为终端,且终端通过动作检测模型识别第二动作,以及展示资源转移图形码为例进行说明。该方法包括:
步骤1001:终端获取第二传感器数据。
步骤1002:终端基于该第二传感器数据,通过该动作检测模型,确定该当前设备执行的第二动作。
在一种可能的实现方式中,步骤1001-步骤1002的实现方式与步骤401-步骤402的内容相似,在此不再赘述。
步骤1003:若该预设的动作集合中包括该第二动作,终端展示资源转移图形码。
其中,在该动作检测模型的准确率达到第一预设阈值且召回率达到第二预设阈值的情况下,终端可以将该动作检测模型应用在资源转移场景中,即若该第二动作为触发终端展示资源转移图形码的动作,则终端展示资源转移图形码。
例如,该预设的动作集合为翻转动作的集合,包括上-下翻转、上-前横翻转、上-前竖翻转、后竖-下翻转、后竖-前竖翻转、后竖-前横翻转等动作,若第二动作为上-下翻转,则终端展示资源转移图形码。
在本申请实施例中,由于可以通过动作检测模型来确定第二动作是否为触发终端展示资源转移图形码的动作,使得用户无需通过一系列的触发操作来触发资源转移图形码的展示,进而节省了操作时间,提高了资源转移的效率。
请参考图11,其示出了本申请一个实施例提供的样本数据的获取装置的结构框图。该装置1100可以通过软件、硬件或者两者的结合实现成为处理器110的全部或一部分,或者处理器201的全部或一部分。该装置1100包括:
获取模块1101,用于获取第一传感器数据;
第一确定模块1102,用于基于该第一传感器数据,通过动作检测模型,确定当前设备执行的第一动作;
第二确定模块1103,用于基于该第一动作和预设的动作集合,确定该第一传感器数据的样本类型,该预设的动作集合中存储至少一个目标动作,该目标动作用于触发该当前设备展示资源转移图形码;
标注模块1104,用于在该第一传感器数据中标注该样本类型,得到样本传感器数据。
在一种可能的实现方式中,该第二确定模块1103,包括:
第一确定单元,用于基于该第一动作和预设的动作集合,确定判断结果,该判断结果用于表示该预设的动作集合中是否包括该第一动作;
第二确定单元,用于基于该判断结果,确定该第一传感器数据的样本类型。
在一种可能的实现方式中,该第二确定模块1103,包括:
第三确定单元,用于若该判断结果为该预设的动作集合中包括该第一动作,则确定该第一传感器数据的样本类型为正样本;
第三确定单元,还用于若该判断结果为该预设的动作集合中不包括该第一动作,则确定该第一传感器数据的样本类型为负样本。
在一种可能的实现方式中,该第二确定模块1103,包括:
展示单元,用于展示样本类型确认信息,该样本类型确认信息包括该判断结果、确认选项和否定选项;
第四确定单元,用于响应于该确认选项触发的确认操作,将该判断结果对应的样本类型确定为该第一传感器数据的样本类型;
第四确定单元,还用于响应于该否定选项触发的否定操作,将该判断结果对应的样本类型的相反类型确定为该第一传感器数据的样本类型。
在一种可能的实现方式中,该装置还包括:
第三确定模块,用于确定第一数量和第二数量,该第一数量为该判断结果对应的样本类型为正样本,且被触发确认操作对应的第一传感器数据的数量,该第二数量为该判断结果对应的样本类型为正样本,且被触发否定操作对应的第一传感器数据的数量;基于该第一数量与第二数量,确定该动作检测模型的检测准确率,该检测准确率为该动作检测模型的评价指标。
在一种可能的实现方式中,该装置还包括:
第三确定模块,还用于确定第一数量和第三数量,该第一数量为该判断结果对应的样本类型为正样本,且被触发确认操作对应的第一传感器数据的数量,该第三数量为该判断结果对应的样本类型为负样本,且被触发否定操作对应的第一传感器数据的数量;基于该第一数量和该第三数量,确定该动作检测模型的召回率,该召回率为该动作检测模型的评价指标。
在一种可能的实现方式中,该装置还包括:
更新模块,用于基于该样本传感器数据,对该动作检测模型进行更新。
在一种可能的实现方式中,该装置还包括:
获取模块,还用于获取第二传感器数据;
第一确定模块,还用于基于该第二传感器数据,通过该动作检测模型,确定该当前设备执行的第二动作;
展示模块,用于若该预设的动作集合中包括该第二动作,展示资源转移图形码。
在本申请实施例中,由于动作检测模型在训练过程中学习了传感器数据与动作之间的对应关系,因此,本申请借助于动作检测模型能够确定出当前设备所执行的动作,并且由于当前设备中已存储了用于触发当前设备展示资源转移图形码的动作集合,因此可以结合该动作以及动作集合,对该传感器数据进行样本类型的标注,进而得到样本传感器数据。由此可见,通过上述方法能够对产生的任一传感器数据进行样本类型的标注,这样就不需要指导用户去触发当前设备生成正样本的传感器数据或者负样本的传感器数据,避免了由于用户操作不规范导致的样本数据获取不准确的问题,提高了样本数据获取的准确性。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有至少一条程序代码,该至少一条程序代码由处理器加载并执行以实现如上述各个实施例示出的样本数据的获取方法。
本申请实施例还提供了一种计算机程序产品,当该计算机程序产品中的程序代码由电子设备的处理器执行时,使得该电子设备能够执行如上述各个实施例示出的样本数据的获取方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个程序代码或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种样本数据的获取方法,其特征在于,所述方法包括:
获取第一传感器数据;
基于所述第一传感器数据,通过动作检测模型,确定当前设备执行的第一动作;
基于所述第一动作和预设的动作集合,确定所述第一传感器数据的样本类型,所述预设的动作集合中存储有至少一个目标动作,所述目标动作用于触发所述当前设备展示资源转移图形码;
在所述第一传感器数据中标注所述样本类型,得到样本传感器数据。
2.根据权利要求1所述的获取方法,其特征在于,所述基于所述第一动作和预设的动作集合,确定所述第一传感器数据的样本类型,包括:
基于所述第一动作和预设的动作集合,确定判断结果,所述判断结果用于表示所述预设的动作集合中是否包括所述第一动作;
基于所述判断结果,确定所述第一传感器数据的样本类型。
3.根据权利要求2所述的获取方法,其特征在于,所述基于所述判断结果,确定所述第一传感器数据的样本类型,包括:
若所述判断结果为所述预设的动作集合中包括所述第一动作,则确定所述第一传感器数据的样本类型为正样本;
若所述判断结果为所述预设的动作集合中不包括所述第一动作,则确定所述第一传感器数据的样本类型为负样本。
4.根据权利要求2所述的获取方法,其特征在于,所述基于所述判断结果,确定所述第一传感器数据的样本类型,包括:
展示样本类型确认信息,所述样本类型确认信息包括所述判断结果、确认选项和否定选项;
响应于所述确认选项触发的确认操作,将所述判断结果对应的样本类型确定为所述第一传感器数据的样本类型;
响应于所述否定选项触发的否定操作,将所述判断结果对应的样本类型的相反类型确定为所述第一传感器数据的样本类型。
5.根据权利要求4所述的获取方法,其特征在于,所述方法还包括:
确定第一数量和第二数量,所述第一数量为所述判断结果对应的样本类型为正样本,且被触发确认操作对应的第一传感器数据的数量,所述第二数量为所述判断结果对应的样本类型为正样本,且被触发否定操作对应的第一传感器数据的数量;
基于所述第一数量与第二数量,确定所述动作检测模型的准确率,所述准确率为所述动作检测模型的评价指标。
6.根据权利要求4所述的获取方法,其特征在于,所述方法还包括:
确定第一数量和第三数量,所述第一数量为所述判断结果对应的样本类型为正样本,且被触发确认操作对应的第一传感器数据的数量,所述第三数量为所述判断结果对应的样本类型为负样本,且被触发否定操作对应的第一传感器数据的数量;
基于所述第一数量和所述第三数量,确定所述动作检测模型的召回率,所述召回率为所述动作检测模型的评价指标。
7.根据权利要求1所述的获取方法,其特征在于,所述方法还包括:
基于所述样本传感器数据,对所述动作检测模型进行更新。
8.根据权利要求7所述的获取方法,其特征在于,所述方法还包括:
获取第二传感器数据;
基于所述第二传感器数据,通过所述动作检测模型,确定所述当前设备执行的第二动作;
若所述预设的动作集合中包括所述第二动作,展示资源转移图形码。
9.一种样本数据的获取装置,其特征在于,所述装置包括:
获取模块,用于获取第一传感器数据;
第一确定模块,用于基于所述第一传感器数据,通过动作检测模型,确定当前设备执行的第一动作;
第二确定模块,用于基于所述第一动作和预设的动作集合,确定所述第一传感器数据的样本类型,所述预设的动作集合中存储至少一个目标动作,所述目标动作用于触发所述当前设备展示资源转移图形码;
标注模块,用于在所述第一传感器数据中标注所述样本类型,得到样本传感器数据。
10.一种电子设备,其特征在于,所述电子设备包括处理器和存储器;所述存储器存储有至少一条程序代码,所述至少一条程序代码用于被所述处理器执行以实现如权利要求1至8任一所述的样本数据的获取方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储有至少一条程序代码,所述至少一条程序代码用于被处理器执行以实现如权利要求1至8任一所述的样本数据的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110121423.9A CN112817452A (zh) | 2021-01-28 | 2021-01-28 | 样本数据的获取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110121423.9A CN112817452A (zh) | 2021-01-28 | 2021-01-28 | 样本数据的获取方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112817452A true CN112817452A (zh) | 2021-05-18 |
Family
ID=75859933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110121423.9A Pending CN112817452A (zh) | 2021-01-28 | 2021-01-28 | 样本数据的获取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112817452A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283493A (zh) * | 2021-05-19 | 2021-08-20 | Oppo广东移动通信有限公司 | 样本的获取方法、装置、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633164A (zh) * | 2017-09-28 | 2018-01-26 | 珠海市魅族科技有限公司 | 支付控制方法、装置、计算机装置及计算机可读存储介质 |
CN109542381A (zh) * | 2018-11-26 | 2019-03-29 | 努比亚技术有限公司 | 付款码显示控制方法、移动终端及计算机可读存储介质 |
CN110620905A (zh) * | 2019-09-06 | 2019-12-27 | 平安医疗健康管理股份有限公司 | 视频监控方法、装置、计算机设备和存储介质 |
CN111435422A (zh) * | 2019-01-11 | 2020-07-21 | 商汤集团有限公司 | 动作识别方法、控制方法及装置、电子设备和存储介质 |
WO2020258657A1 (zh) * | 2019-06-28 | 2020-12-30 | 平安科技(深圳)有限公司 | 异常检测方法、装置、计算机设备及存储介质 |
-
2021
- 2021-01-28 CN CN202110121423.9A patent/CN112817452A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633164A (zh) * | 2017-09-28 | 2018-01-26 | 珠海市魅族科技有限公司 | 支付控制方法、装置、计算机装置及计算机可读存储介质 |
CN109542381A (zh) * | 2018-11-26 | 2019-03-29 | 努比亚技术有限公司 | 付款码显示控制方法、移动终端及计算机可读存储介质 |
CN111435422A (zh) * | 2019-01-11 | 2020-07-21 | 商汤集团有限公司 | 动作识别方法、控制方法及装置、电子设备和存储介质 |
WO2020258657A1 (zh) * | 2019-06-28 | 2020-12-30 | 平安科技(深圳)有限公司 | 异常检测方法、装置、计算机设备及存储介质 |
CN110620905A (zh) * | 2019-09-06 | 2019-12-27 | 平安医疗健康管理股份有限公司 | 视频监控方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
叶盛祥: "《光电干扰防护***技术》", 31 December 2005, 国防工业出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283493A (zh) * | 2021-05-19 | 2021-08-20 | Oppo广东移动通信有限公司 | 样本的获取方法、装置、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200005513A1 (en) | Sticker presentation method and apparatus computer-readable storage medium, and terminal | |
CN108024019B (zh) | 消息显示方法及装置 | |
CN104852885B (zh) | 一种进行验证码验证的方法、装置和*** | |
CN108549519B (zh) | 分屏处理方法、装置、存储介质和电子设备 | |
CN109976606B (zh) | 信息显示方法、移动终端 | |
US11182071B2 (en) | Apparatus and method for providing function associated with keyboard layout | |
CN106203459B (zh) | 图片处理方法及装置 | |
CN108984066B (zh) | 一种应用程序图标显示方法及移动终端 | |
CN108958606B (zh) | 分屏显示方法、装置、存储介质和电子设备 | |
CN112041791A (zh) | 一种显示输入法虚拟键盘的方法及终端 | |
CN109901761B (zh) | 一种内容显示方法及移动终端 | |
CN110971510A (zh) | 一种消息的处理方法及电子设备 | |
CN109495638B (zh) | 一种信息显示方法及终端 | |
CN109166164B (zh) | 一种表情图片的生成方法及终端 | |
CN110750368A (zh) | 一种复制粘贴方法及终端 | |
CN108540649B (zh) | 一种内容展示方法及移动终端 | |
CN108921530B (zh) | 信息判断方法、装置、存储介质及终端 | |
CN108628534B (zh) | 一种字符展示方法及移动终端 | |
CN112817452A (zh) | 样本数据的获取方法、装置、电子设备及存储介质 | |
CN110298277A (zh) | 指纹识别方法及相关产品 | |
CN108366167B (zh) | 一种消息提醒的方法及移动终端 | |
CN106486119A (zh) | 一种识别语音信息的方法和装置 | |
CN109714462B (zh) | 一种电话号码的标记方法及其移动终端 | |
CN108304709B (zh) | 人脸解锁方法及相关产品 | |
CN110430321A (zh) | 给来电用户备注的方法、存储介质以及移动终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |