CN112579587B - 数据清洗方法及装置、设备和存储介质 - Google Patents

Abstract

本公开提供了一种数据清洗方法及装置、设备和存储介质，涉及数据处理领域。实现方案为：利用训练好的第一分类模型对待清洗数据样本集执行以下清洗操作：将待清洗数据样本集中每一个待清洗数据样本输入第一分类模型，基于第一分类模型的输出，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签，将确定真实标签后的一个或多个待清洗数据样本确定为第一标准数据样本，利用所确定的一个或多个第一标准数据样本，对第一分类模型再次进行训练，以利用再次训练好的第一分类模型对待清洗数据样本集的剩余待清洗数据样本执行清洗操作，基于具有真实标签的多个第一标准数据样本，构建第一标准数据样本集。

Description

数据清洗方法及装置、设备和存储介质

技术领域

本公开涉及数据处理技术领域，尤其涉及图像处理、人工智能技术领域，具体涉及一种数据清洗方法及装置、神经网络训练方法及装置、城市管理违章图像的违章识别方法及装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等领域；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。人工智能被越来越广泛地应用在各个领域，例如图像识别领域。在图像识别领域中，可以利用数据清洗方法对数据进行打标，得到标准样本数据集，从而可以利用标准样本数据集进行训练学习，以能够实现图像识别。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种数据清洗方法及装置、神经网络训练方法及装置、城市管理违章图像的违章识别方法及装置、计算机设备、计算机可读存储介质和计算机程序产品。

根据本公开的第一方面，提供了一种数据清洗方法，用于对待清洗数据样本集进行清洗，待清洗数据样本集包括多个具有初始标签的待清洗数据样本，数据清洗方法包括：利用训练好的第一分类模型对待清洗数据样本集执行以下清洗操作：响应于将待清洗数据样本集中每一个待清洗数据样本输入训练好的第一分类模型，第一分类模型输出待清洗数据样本集中每一个待清洗数据样本的预测标签及其标签置信度；获取预测标签与初始标签不一致的一个或多个待清洗数据样本；基于预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签；以及将确定真实标签后的一个或多个待清洗数据样本确定为第一标准数据样本；利用所确定的的一个或多个第一标准数据样本，对第一分类模型再次进行训练，以利用再次训练好的第一分类模型对待清洗数据样本集的剩余待清洗数据样本执行清洗操作；以及基于具有真实标签的多个第一标准数据样本，构建第一标准数据样本集。

根据本公开的另一方面，提供了一种神经网络的训练方法，其中，神经网络包括违章分类模型，训练方法包括：获取城市管理违章的待清洗样本图像集，其中，待清洗样本图像集包括多个具有初始违章标签的违章样本图像；采用上述的清洗方法对待清洗样本图像集进行清洗，确定所包括的多个违章样本图像的真实违章标签，以得到城市管理违章的标准样本图像集；利用标准样本图像集对违章分类模型进行训练。

根据本公开的另一方面，提供了一种利用神经网络进行违章识别的方法，神经网络利用上述的训练方法训练得到，神经网络包括违章分类模型，识别方法包括：获取针对目标场景的第一城市管理采集图像；响应于第一城市管理采集图像输入违章分类模型，违章分类模型输出第一城市管理采集图像对应的城市管理违章标签，城市管理违章标签包括违章和不违章。

根据本公开的另一方面，提供了一种数据清洗装置，用于对待清洗数据样本集进行清洗，待清洗数据样本集包括多个具有初始标签的待清洗数据样本，清洗装置包括：第一清洗单元，被配置用于利用训练好的第一分类模型对待清洗数据样本集执行清洗操作，其中，第一清洗单元包括：预测子单元，被配置用于响应于将待清洗数据样本集中每一个待清洗数据样本输入第一分类模型，第一分类模型输出待清洗数据样本集中每一个待清洗数据样本的预测标签及其标签置信度；第一获取子单元，被配置用于获取预测标签与初始标签不一致的一个或多个待清洗数据样本；第一确定子单元，被配置用于基于预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签；以及第二确定子单元，被配置用于将确定真实标签后的一个或多个待清洗数据样本确定为第一标准数据样本；第一训练单元，被配置用于利用所确定的一个或多个第一标准数据样本对第一分类模型再次进行训练，以使第一清洗单元利用再次训练好的第一分类模型对待清洗数据样本集的剩余待清洗数据样本执行清洗操作；以及第一构建单元，被配置用于基于具有真实标签的多个第一标准数据样本，构建第一标准数据样本集。

根据本公开的另一方面，提供了一种神经网络的训练装置，其中，神经网络包括违章分类模型，训练装置包括：第三获取单元，被配置用于获取城市管理违章的待清洗样本图像集，其中，待清洗样本图像集包括多个具有初始违章标签的违章样本图像；第二清洗单元，被配置用于采用上述的清洗方法对待清洗样本图像集进行清洗，确定所包括的多个违章样本图像的真实违章标签，以得到城市管理违章的标准样本图像集；第三训练单元，被配置用于利用标准样本图像集对违章分类模型进行训练。

根据本公开的另一方面，提供了一种基于城市管理违章图像的违章识别装置，识别装置包括：根据上述的训练方法训练得到的神经网络，其中，神经网络包括违章分类模型；第五获取单元，被配置用于获取针对目标场景的第一城市管理采集图像，其中，违章分类模型被配置用于响应于第一城市管理采集图像输入违章分类模型，输出第一城市管理采集图像对应的城市管理违章标签，城市管理违章标签包括违章和不违章。

根据本公开的另一方面，提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上的计算机程序，其中，处理器被配置为执行计算机程序以实现上述的方法的步骤。

根据本公开的另一方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述的方法的步骤。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序被处理器执行时实现上述的方法的步骤。

根据本公开的一个或多个实施例，可以利用分类模型对待清洗数据样本集进行清洗，并且利用每次清洗得到的标准样本数据对分类模型进行迭代训练，不断优化分类模型，使得在每一次的清洗操作中，能够在大量的待清洗数据样本中实现对具有错误标签的数据样本的准确识别，实现对待清洗数据样本的有针对性地清洗，提高了数据样本的清洗效率，并进而提升基于该清洗后的数据样本对神经网络进行训练的效果以及利用神经网络进行图像识别的准确率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2(a)示出了根据本公开的实施例的数据清洗方法的流程图；

图2(b)示出了根据本公开的实施例的数据清洗操作的流程图；

图3示出了根据本公开的实施例的另一种数据清洗方法的流程图；

图4示出了根据本公开的实施例的混淆矩阵的示意图；

图5示出了根据本公开的实施例的神经网络训练方法的流程图；

图6示出了根据本公开的实施例的城市管理违章图像的违章识别方法的流程图；

图7示出了根据本公开的实施例的数据清洗装置的结构框图；

图8示出了根据本公开的实施例的神经网络的训练装置的结构框图；

图9示出了根据本公开的实施例的城市管理违章图像的违章识别装置的结构框图；

图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

近年来，人工智能技术取得了突破性的进展，尤其是在图像识别领域进步显著。如今，已经基于人工智能的图像识别技术已经被应用于越来越多的实际任务之中，显著地提升了任务处理的准确率和处理效率。

相关技术中，通过数据清洗方法来获得标准样本数据集，利用标准样本数据集对神经网络进行训练，使得训练好的神经网络能够实现对输入图像的识别。因此，标准样本数据集的准确性会影响神经网络的训练效果。

基于此，本公开提出一种数据清洗方法，利用分类模型对待清洗数据样本集进行清洗，并且利用每次清洗得到的标准样本数据对分类模型进行迭代训练，不断优化分类模型，使得在每一次的清洗操作中，能够在大量的待清洗数据样本中实现对具有错误标签的数据样本的准确识别，实现对待清洗数据样本的有针对性地清洗，提高了数据样本的清洗效率，并进而提升基于该清洗后的数据样本对神经网络进行训练的效果以及利用神经网络进行图像识别的准确率。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行本公开的数据清洗方法、神经网络训练方法和城市管理违章图像的违章识别方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来获取针对目标场景的第一城市管理采集图像和/或第二城市管理采集图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如Microsoft Windows、AppleiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS)；或包括各种移动操作系统，例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2(a)和2(b)是示出根据本公开示例性实施例的一种数据清洗方法，用于对待清洗数据样本集进行清洗，待清洗数据样本集包括多个具有初始标签的待清洗数据样本，数据清洗方法包括：步骤S201、利用训练好的第一分类模型对待清洗数据样本集执行以下清洗操作；步骤S201-1、响应于将待清洗数据样本集中每一个待清洗数据样本输入第一分类模型，第一分类模型输出待清洗数据样本集中每一个待清洗数据样本的预测标签及其标签置信度；步骤S201-2、获取预测标签与初始标签不一致的一个或多个待清洗数据样本；步骤S201-3、基于预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签；步骤S201-4、将确定真实标签后的一个或多个待清洗数据样本确定为第一标准数据样本；步骤S202、利用所确定的一个或多个第一标准数据样本，对第一分类模型再次进行训练，以利用再次训练好的第一分类模型对待清洗数据样本集的剩余待清洗数据样本执行清洗操作；以及步骤S203、基于具有真实标签的多个第一标准数据样本，构建第一标准数据样本集。由此，通过在对待清洗数据样本集进行迭代清洗的过程中，不断迭代训练第一分类模型，能够基于不断优化的第一分类模型在每一次的清洗操作中识别出待清洗数据样本集中具有错误标签的待清洗数据样本，进行有针对性地数据样本清洗提高了数据样本的清洗效率。

根据一些实施例，可以采用具有真实标签的一个或多个数据样本对第一分类模型进行初始训练，以得到训练好的第一分类模型。由此启动对待清洗数据样本集的清洗操作。

在一种实施方式中，可以通过人工校验的方式确定数据样本所设置的标签的真实性。可选的，也可以通过包括神经网络在内的其它方式确定数据样本所设置的标签的真实性，在此不作限定。

通过步骤S201的清洗操作中的步骤S201-1，可以获取第一分类模型输出的待清洗数据样本集中每一个待清洗数据样本的预测标签及其标签置信度。

由此，在步骤S201-2中，可以获取预测标签与初始标签不一致的一个或多个待清洗数据样本，以将其确定为具有错误标签待清洗数据样本，进行后续的针对性的清洗操作。由此，能够避免对所有待清洗数据样本无差别的清洗操作带来的大量的计算量，提高了对数据清理的效率。

根据一些实施例，可以将待清洗数据样本集中所有预测标签与初始标签不一致的待清洗数据样本确定为具有错误标签的待清洗数据样本，以进行后续处理，以加快处理进程。

根据一些实施例，可以设置动态阈值，其中，预测标签与初始标签不一致的所述一个或多个待清洗数据样本中每一个待清洗数据样本的标签置信度不小于所述动态阈值。即，将待清洗数据样本集中预测标签与初始标签不一致，且标签置信度不小于所述动态阈值的待清洗数据样本确定为具有错误标签的待清洗数据样本，以进行后续处理。由此，可以提高对具有错误标签的待清洗数据样本的识别的准确性，减少后续处理的工作量，提升数据清洗的效率。

其中，在对待清洗数据样本集的多次迭代清洗操作中，动态阈值的大小可以根据迭代的次数变化。根据一些实施例，针对待清洗数据样本集的连续两次清洗操作，第一次清洗操作中所设置的动态阈值可以大于第二次清洗操作中所设置的动态阈值。即，在对待清洗数据样本集的多次迭代清洗操作中，动态阈值的大小可以随着迭代次数的增加不断减小。由此，能够通过有限次的迭代清洗操作，实现对待清洗数据样本集中的每一个待清洗数据样本的清洗。

针对步骤S201-3，其中，基于预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签可以包括设置预设阈值，并响应于确定动态阈值不小于预设阈值，基于第一预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签。由此，可以基于预设阈值与动态阈值之间的大小关系，选择适当的方式确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签，提升处理的灵活性。

其中，根据一些实施例，预设阈值可以设置为第一分类模型输出的预测标签的真实性阈值。具体地，当第一分类模型输出的标签置信度不小于预设阈值时，可以认为第一分类模型输出的当前预测标签是真实标签，反之，则认为第一分类模型输出的当前预测标签不是真实标签。

基于此，根据一些实施例，基于第一预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签包括：确定一个或多个待清洗数据样本的预测标签为真实标签。由此，可以在保证准确性的同时，提高对于具有错误标签的待清洗数据样本的清洗效率。

根据一些实施例，对待清洗数据样本的清洗操作还可以包括：响应于确定动态阈值小于预设阈值，基于第二预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签，其中，第二预测规则与第一预测规则不相同。由此，可以基于预设阈值与动态阈值之间的大小关系，设置不同的方式确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签，以满足在不同的动态阈值下的处理需求。

根据一些实施例，基于第二预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签包括：获取预测标签与初始标签不一致的一个或多个待清洗数据样本的真实数据特征；基于相应的真实数据特征，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签。由此，可以在动态阈值小于预设阈值的情况下，采用更加可靠的方式确保对待清洗数据样本的清洗的准确性。

在一种实施方式中，可以通过人工复核的方式确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签。

可以理解的，人工复核仅仅是用于实现准确地确定待清洗数据样本的真实标签的其中一种方式，本领域技术人员也可以采用其它方式确定待清洗数据样本的真实标签，在此不作限定。

在对步骤S201-2中筛选出的具有错误标签的一个或多个待清洗数据样本进行上述清洗以确定其真实标签之后，在步骤S201-4中，将确定真实标签后的一个或多个待清洗数据样本确定为第一标准数据样本。由此，可以确保第一标准数据样本均具有真实标签，同时，通过在多次迭代的清洗操作中不断增加的第一标准数据样本的数量，能够提升对第一分类模型的后续迭代训练的训练效果。

根据一些实施例，对待清洗数据样本集的清洗操作还可包括：针对标签置信度不小于动态阈值、并且预测标签与初始标签一致的一个或多个待清洗数据样本，确定预测标签与初始标签一致的一个或多个待清洗数据样本的初始标签为真实标签。由此，可以筛选出具有正确标签的待清洗数据样本，通过直接将其初始标签确定为真实标签，可以进而将其直接确定为第一标准数据样本，从而可以减少清洗操作迭代的次数。

在确定一个或多个第一标准数据样本后，在步骤S102中，可以利用所确定的一个或多个第一标准数据样本，对第一分类模型再次进行训练，以利用再次训练好的第一分类模型对待清洗数据样本集的剩余待清洗数据样本执行清洗操作。由此，能够基于不断更新的第一标准数据样本集，对第一分类模型进行迭代训练，随着第一标准数据样本的数量的增大，训练得到的第一分类模型可以随之被不断优化。通过在对待清洗数据样本集的清洗过程中，不断优化第一分类模型，可以逐步完成对所有待清洗数据样本的清洗。

在完成待清洗数据样本集中所有待清洗数据样本的清洗之后，在步骤S103中，可以基于具有真实标签的多个第一标准数据样本，构建第一标准数据样本集。其中，得到的第一标准数据样本集是对待清洗数据样本集完成清洗后的结构。根据一些实施例，图3是示出根据本公开示例性实施例的另一种数据清洗方法数据清洗方法，该方法还可以包括：步骤S301、利用初始数据样本集对第二分类模型进行训练，初始数据样本集包括多个具有初始标签的初始数据样本；步骤S302、将第二标准数据样本集输入训练好的第二分类模型，获取第二分类模型输出的第二标准数据样本集中每一个第二标准数据样本的预测标签，其中，第二标准数据样本集包括多个具有真实标签的第二标准数据样本；步骤S303、基于第二标准数据样本集中所有第二标准数据样本分别相应的真实标签和预测标签，构建混淆矩阵；步骤S304、基于混淆矩阵，确定易混淆的一个或多个初始标签；步骤S305、从初始数据样本集中获取该一个或多个初始标签相应的至少部分初始数据样本，以建立待清洗数据样本集。由此，通过上述步骤S301～S305，可以从初始数据样本集中获取易混淆的至少部分初始数据样本，以进行后续的迭代清洗操作，从而能够实现对初始数据样本的有针对性的清洗，能够有效提升清洗的效率。

由于初始数据样本集中包含具有错误初始标签的初始数据样本，因此利用初始数据样本集训练得到的第二分类模型在执行分类时，容易对与错误初始标签对应的数据造成混淆。基于此，将第二标准数据样本集输入训练好的第二分类模型，获取第二分类模型输出的第二标准数据样本集中每一个第二标准数据样本的预测标签，基于第二标准数据样本集中所有第二标准数据样本分别相应的真实标签和预测标签构建的混淆矩阵，可以确定易混淆的一个或多个初始标签，通过筛选出的一个或多个初始标签可以相应的从初始数据样本集中筛选出初始数据样本集中错误率较高的一组或多组初始数据样本。由此，实现对初始数据样本集错误率较高初始数据样本的筛选和针对性清洗，有效提高了数据清洗的效率。

其中，混淆矩阵是一种可以用来评价分类模型的预测准确性的工具，在本公开中可以基于第二标准数据样本集中所有第二标准数据样本分别相应的真实标签和预测标签，构建混淆矩阵，并通过构建的混淆矩阵筛选出初始数据样本集中易混淆的一个或多个初始标签。例如，在图4的示例性实施例中，真实标签为A的12个样本中有10个预测为A，2个预测为2；真实标签为B的12个样本中有8个预测为B，4个预测为A。由此可以确定B相对于A更容易引起混淆。

可以理解，图4仅为示例性实施例，真实标签和预测标签的种类不限于两种。

根据一些实施例，在完成对初始数据样本集中建立待清洗数据样本集的清洗之后，可以将清洗后得到的标准数据样本移入初始数据样本集。利用更新后的初始数据样本集再次执行上述步骤S301～S305，直至构建的混淆矩阵满足期望水平，即基于混淆矩阵，不再存在易混淆的一个或多个初始标签，由此，可以逐步实现对整个初始数据样本集的清洗。

图5是示出根据本公开示例性实施例的一种神经网络的训练方法，其中，神经网络包括违章分类模型，训练方法包括：步骤S501、获取城市管理违章的待清洗样本图像集，其中，待清洗样本图像集包括多个具有初始违章标签的违章样本图像；步骤S502、采用上述的清洗方法对待清洗样本图像集进行清洗，确定所包括的多个违章样本图像的真实违章标签，以得到城市管理违章的标准样本图像集；步骤S503、利用标准样本图像集对违章分类模型进行训练。由此，能够基于清洗过的城市管理违章的标准样本图像集对该神经网络进行训练，能够提升神经网络的训练效果。

根据一些实施例，城市管理违章的待清洗样本图像集可以包括具有“暴露垃圾”的初始违章标签的相应违章样本图像、具有“跨店经营”的初始违章标签的相应违章样本图像，以及其它城市管理违章现象相应的违章样本图像等。

根据一些实施例，该方法还包括：获取与多个真实违章标签中每一个真实违章标签相对应的销案样本图像，并确定每一个销案样本图像的真实销案标签；以及将多个具有真实销案标签的销案样本图像添加到城市管理违章的标准样本图像集中。由此，训练得到的神经网络可以同时实现对城市管理的违章现象的立案和销案判别。

在一种实施方式中，为了帮助后续销案的判别，可以在城市管理违章的标准样本图像集中添加具有真实销案标签的销案样本图像。可选的，销案样本图像可以为与违章现象对应的背景图像，例如，“暴露垃圾”对应的销案样本图像可以是垃圾桶，“跨店经营”对应的销案样本图像可以是商店铺面，在此不作限定。

根据一些实施例，神经网络还包括违章检测模型，训练方法还包括：利用城市管理违章的标准样本图像集对违章检测模型进行训练，以使得违章检测模型能够基于输入的城市管理采集图像，输出城市管理违章的标准样本图像集中相关的真实违章标签的存在属性，其中，存在属性包括存在和不存在两种属性。通过训练得到的违章检测模型可以用于在销案过程中进行二次判定，提升销案判定的可靠性。

图6是示出根据本公开示例性实施例的一种利用神经网络进行违章识别的方法，神经网络利用上述的训练方法训练得到，神经网络包括违章分类模型，，识别方法包括：步骤S601、获取针对目标场景的第一城市管理采集图像；步骤S602、响应于第一城市管理采集图像输入违章分类模型，违章分类模型输出第一城市管理采集图像对应的城市管理违章标签，城市管理违章标签包括违章和不违章。由此，能够基于通过清洗过的城市管理违章的标准样本图像集训练的神经网络实现城市管理违章图像的违章和不违章的识别，为城市管理中针对违章现象的立案和销案提供了可靠的依据。

在一种实施方式中，城市管理违章标签中的违章标签还可以进一步包括违章的具体类型，例如，“暴露垃圾”、“跨店经营”等。

根据一些实施例，识别方法还可以包括：响应于确定违章分类模型所输出第一城市管理采集图像对应的城市管理违章标签为违章，针对第一城市管理采集图像执行立案，其中，立案包括记录城市管理违章标签。由此，能够针对于确定的违章标签执行立案，便于对于违章现象的后续追踪执法。

在一种实施方式中，所记录的城市管理违章标签可以包括违章的具体类型。根据一些实施例，识别方法还包括：针对于第一城市管理采集图像执行立案之后，获取针对目标场景的第二城市管理采集图像；将第二城市管理采集图像输入违章分类模型；响应于确定违章分类模型输出的第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签一致，确定不撤销针对第一城市管理采集图像的立案。由于违章分类模型输出的第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签一致，可以判定执行针对于第一城市管理采集图像的立案的违章现象仍未消除，由此，可以快速地判定不撤销立案。

在一种实施方式中，第一城市管理采集图像的城市管理违章标签为违章，第二城市管理采集图像的城市管理违章标签为不违章，因此确定两者的城市管理违章标签不一致，不撤销针对第一城市管理采集图像的立案。

在另一种实施方式中，第一城市管理采集图像的城市管理违章标签为第一违章类型的违章，第二城市管理采集图像的城市管理违章标签为第二违章类型的违章，并且第一违章类型与第二违章类型不相同，因此确定两者的城市管理违章标签不一致，不撤销针对第一城市管理采集图像的立案。

其中，第二城市管理采集图像可以是针对第一城市管理采集图像的立案的继续执法过程中采集的图像，用于判断是否撤销针对第一城市管理采集图像的立案。

根据一些实施例，神经网络还包括违章检测模型，识别方法还包括：响应于确定违章分类模型所输出的第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签不一致，将第二城市管理采集图像输入违章检测模型，并获取违章检测模型输出的记录的城市管理违章标签的存在属性；响应于确定记录的城市管理违章标签的存在属性为存在，确定不撤销针对第一城市管理采集图像的立案。由此，能够通过违章检测模型在销案过程中进行二次判定，提升销案判定的可靠性。

由于在第二城市管理采集图像有可能同时存在多种违章现象，因此，仅仅通过违章分类模型进行判定，有可能对销案产生误判。例如，第一城市管理采集图像的城市管理违章标签为“跨店经营”，在第二城市管理采集图像中同时包含“跨店经营”和“暴露垃圾”，且“暴露垃圾”的现象更为凸显，在这种情况下，违章分类模型输出的第二城市管理采集图像的城市管理违章标签为“暴露垃圾”，并进而确定违章分类模型输出的第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签的不一致。然而，在这种情况下，“跨店经营”的违章现象并未消除。基于此，可以通过违章检测模型进一步判断“跨店经营”的存在属性，以增加销案判断的可靠性。根据一些实施例，方法还包括：响应于确定记录的城市管理违章标签的存在属性为不存在，确定撤销针对第一城市管理采集图像的立案。由此，可以避免对于销案的误判。

根据本公开的另一方面，如图7所示，还提供一种数据清洗装置700，用于对待清洗数据样本集进行清洗，待清洗数据样本集包括多个具有初始标签的待清洗数据样本，清洗装置700包括：第一清洗单元701，被配置用于利用训练好的第一分类模型对待清洗数据样本集执行清洗操作，其中，第一清洗单元701包括：预测子单元701-1，被配置用于响应于将待清洗数据样本集中每一个待清洗数据样本输入第一分类模型，第一分类模型输出待清洗数据样本集中每一个待清洗数据样本的预测标签及其标签置信度；第一获取子单元701-2，被配置用于获取预测标签与初始标签不一致的一个或多个待清洗数据样本；第一确定子单元701-3，被配置用于基于预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签；以及第二确定子单元701-4，被配置用于将确定真实标签后的一个或多个待清洗数据样本确定为第一标准数据样本；第一训练单元702，被配置用于利用所确定的一个或多个第一标准数据样本对第一分类模型再次进行训练，以使第一清洗单元利用再次训练好的第一分类模型对待清洗数据样本集的剩余待清洗数据样本执行清洗操作；第一构建单元703，被配置用于基于具有真实标签的多个第一标准数据样本，构建第一标准数据样本集。

根据一些实施例，第一获取子单元包括：第一设置子单元，被配置用于设置动态阈值，其中，预测标签与初始标签不一致的一个或多个待清洗数据样本中每一个待清洗数据样本的标签置信度不小于动态阈值。

根据一些实施例，预设规则包括第一预设规则，第一清洗单元还包括：第二设置子单元，被配置用于设置预设阈值；第一确定子单元进一步被配置用于响应于确定动态阈值不小于预设阈值，基于第一预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签。

根据一些实施例，第一确定子单元进一步被配置用于确定一个或多个待清洗数据样本的预测标签为真实标签。

根据一些实施例，第一确定子单元进一步被配置用于响应于确定动态阈值小于预设阈值，基于第二预设规则，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签，其中，第二预设规则与第一预设规则不同。

根据一些实施例，第一确定子单元包括：第二获取子单元，被配置用于获取预测标签与初始标签不一致的一个或多个待清洗数据样本的真实数据特征；第三确定子单元，被配置用于基于相应的真实数据特征，确定预测标签与初始标签不一致的一个或多个待清洗数据样本的真实标签。

根据一些实施例，针对待清洗数据样本集的连续两次清洗操作，第一次清洗操作中所设置的动态阈值大于第二次清洗操作中所设置的动态阈值。

根据一些实施例，第一清洗单元还包括：第四确定子单元，被配置用于针对标签置信度不小于动态阈值、并且预测标签与初始标签一致的一个或多个待清洗数据样本，确定预测标签与初始标签一致的一个或多个待清洗数据样本的初始标签为真实标签。

根据一些实施例，装置还包括：第二训练单元，被配置用于利用初始数据样本集对第二分类模型进行训练，初始数据样本集包括多个具有初始标签的初始数据样本；第一获取单元，被配置用于将第二标准数据样本集输入训练好的第二分类模型，获取第二分类模型输出的第二标准数据样本集中每一个第二标准数据样本的预测标签，其中，第二标准数据样本集包括多个具有真实标签的第二标准数据样本；第二构建单元，被配置用于基于第二标准数据样本集中所有第二标准数据样本分别相应的真实标签和预测标签，构建混淆矩阵；第一确定单元，被配置用于基于混淆矩阵，确定易混淆的一个或多个初始标签；第二获取单元，被配置用于从初始数据样本集中获取一个或多个初始标签相应的至少部分初始数据样本，以建立待清洗数据样本集。

根据本公开的另一方面，如图8所示，还提供一种神经网络的训练装置800，其中，神经网络包括违章分类模型，训练装置800包括：第三获取单元801，被配置用于获取城市管理违章的待清洗样本图像集，其中，待清洗样本图像集包括多个具有初始违章标签的违章样本图像；第二清洗单元802，被配置用于采用如上述的清洗方法对待清洗样本图像集进行清洗，确定所包括的多个违章样本图像的真实违章标签，以得到城市管理违章的标准样本图像集；第三训练单元803，被配置用于利用标准样本图像集对违章分类模型进行训练。

根据一些实施例，装置还包括：第四获取单元，被配置用于获取与多个真实违章标签中每一个真实违章标签相对应的销案样本图像，并确定每一个销案样本图像的真实销案标签；以及添加单元，被配置用于将多个具有真实销案标签的销案样本图像添加到城市管理违章的标准样本图像集中。

根据一些实施例，神经网络还包括违章检测模型，装置还包括：第四训练单元，被配置用于利用城市管理违章的标准样本图像集对违章检测模型进行训练，以使得违章检测模型能够基于输入的城市管理采集图像，输出城市管理违章的标准样本图像集中相关的真实违章标签的存在属性，其中，存在属性包括存在和不存在两种属性。

根据本公开的另一方面，如图9所示，还提供一种城市管理违章图像的违章识别装置900，识别装置900包括：根据如上述的训练方法训练得到的神经网络901，其中，神经网络901包括违章分类模型901-1；第五获取单元902，被配置用于获取针对目标场景的第一城市管理采集图像；其中，违章分类模型901-1被配置用于响应于第一城市管理采集图像输入违章分类模型901-1，输出第一城市管理采集图像对应的城市管理违章标签，城市管理违章标签包括违章和不违章。

根据一些实施例，装置还包括：立案单元，被配置用于响应于确定违章分类模型所输出的第一城市管理采集图像对应的城市管理违章标签为违章，针对第一城市管理采集图像执行立案，其中，立案包括记录城市管理违章标签。

根据一些实施例，装置还包括：第六获取单元，被配置用于针对第一城市管理采集图像执行立案之后，获取针对目标场景的第二城市管理采集图像；输入单元，被配置用于将第二城市管理采集图像输入违章分类模型；第二确定单元，被配置用于响应于确定违章分类模型所输出的第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签一致，确定不撤销针对第一城市管理采集图像的立案。

根据一些实施例，神经网络还包括违章检测模型，装置还包括：第七获取单元，被配置为响应于确定违章分类模型所输出的第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签不一致，将第二城市管理采集图像输入违章检测模型，并获取违章检测模型输出的记录的城市管理违章标签的存在属性；第三确定单元，被配置为响应于确定记录的城市管理违章标签的存在属性为存在，确定不撤销针对第一城市管理采集图像的立案。

根据一些实施例，装置还包括：第四确定单元，被配置用于响应于确定记录的城市管理违章标签的存在属性为不存在，确定撤销针对第一城市管理采集图像的立案。

根据本公开的另一方面，还提供一种计算机设备，包括：存储器、处理器以及存储在存储器上的计算机程序，其中，处理器被配置为执行计算机程序以实现上述的方法的步骤。

根据本公开的另一方面，还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述的方法的步骤。

根据本公开的另一方面，还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现上述的方法的步骤。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图10，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)

1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如数据清洗方法、神经网络训练方法和城市管理违章图像的违章识别方法中的一个或多个。例如，在一些实施例中，数据清洗方法、神经网络训练方法和城市管理违章图像的违章识别方法中的一个或多个可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的据清洗方法、神经网络训练方法或城市管理违章图像的违章识别方法中的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据清洗方法、神经网络训练方法和城市管理违章图像的违章识别方法中的一个或多个。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (37)

1.一种数据清洗方法，用于对待清洗数据样本集进行清洗，所述待清洗数据样本集包括多个具有初始标签的待清洗数据样本，所述数据清洗方法包括：

利用训练好的第一分类模型对所述待清洗数据样本集执行以下清洗操作：

响应于将所述待清洗数据样本集中每一个待清洗数据样本输入所述第一分类模型，所述第一分类模型输出所述待清洗数据样本集中每一个待清洗数据样本的预测标签及其标签置信度；

获取预测标签与初始标签不一致的一个或多个待清洗数据样本；

基于预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签；以及

将确定真实标签后的所述一个或多个待清洗数据样本确定为第一标准数据样本；

利用所确定的一个或多个所述第一标准数据样本，对第一分类模型再次进行训练，以利用再次训练好的第一分类模型对所述待清洗数据样本集的剩余待清洗数据样本执行所述清洗操作；以及

基于具有真实标签的多个所述第一标准数据样本，构建第一标准数据样本集。

2.如权利要求1所述的数据清洗方法，其中，所述获取预测标签与初始标签不一致的一个或多个待清洗数据样本包括：

设置动态阈值，

其中，预测标签与初始标签不一致的所述一个或多个待清洗数据样本中每一个待清洗数据样本的标签置信度不小于所述动态阈值。

3.如权利要求1所述的数据清洗方法，其中，所述预设规则包括第一预设规则，对所述待清洗数据样本的清洗操作包括：

设置预设阈值；

响应于确定动态阈值不小于预设阈值，基于第一预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签。

4.如权利要求3所述的数据清洗方法，其中，所述基于第一预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签包括：

确定所述一个或多个待清洗数据样本的预测标签为所述真实标签。

5.如权利要求3所述的数据清洗方法，其中，所述对所述待清洗数据样本的清洗操作还包括：

响应于确定动态阈值小于预设阈值，基于第二预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签，

其中，所述第二预设规则与所述第一预设规则不同。

6.如权利要求5所述的数据清洗方法，其中，所述基于第二预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签包括：

获取预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实数据特征；

基于相应的真实数据特征，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签。

7.如权利要求2-6中任一项所述的数据清洗方法，其中，针对所述待清洗数据样本集的连续两次清洗操作，第一次清洗操作中所设置的所述动态阈值大于第二次清洗操作中所设置的所述动态阈值。

8.如权利要求2-6中任一项所述的数据清洗方法，其中，对所述待清洗数据样本集的清洗操作还包括：

针对标签置信度不小于所述动态阈值、并且预测标签与初始标签一致的一个或多个待清洗数据样本，确定预测标签与初始标签一致的所述一个或多个待清洗数据样本的初始标签为真实标签。

9.如权利要求1所述的数据清洗方法，所述方法还包括：

利用初始数据样本集对第二分类模型进行训练，所述初始数据样本集包括多个具有初始标签的初始数据样本；

将第二标准数据样本集输入训练好的第二分类模型，获取所述第二分类模型输出的所述第二标准数据样本集中每一个第二标准数据样本的预测标签，其中，所述第二标准数据样本集包括多个具有真实标签的第二标准数据样本；

基于所述第二标准数据样本集中所有第二标准数据样本分别相应的真实标签和预测标签，构建混淆矩阵；

基于所述混淆矩阵，确定易混淆的一个或多个初始标签；

从所述初始数据样本集中获取所述一个或多个初始标签相应的至少部分初始数据样本，以建立所述待清洗数据样本集。

10.一种神经网络的训练方法，其中，所述神经网络包括违章分类模型，

所述训练方法包括：

获取城市管理违章的待清洗样本图像集，其中，所述待清洗样本图像集包括多个具有初始违章标签的违章样本图像；

采用如权利要求1-9中任一项所述的清洗方法对所述待清洗样本图像集进行清洗，确定所包括的多个违章样本图像的真实违章标签，以得到城市管理违章的标准样本图像集；

利用所述标准样本图像集对所述违章分类模型进行训练。

11.如权利要求10所述的训练方法，所述方法还包括：

获取与多个真实违章标签中每一个所述真实违章标签相对应的销案样本图像，并确定每一个销案样本图像的真实销案标签；以及

将多个具有真实销案标签的销案样本图像添加到所述城市管理违章的标准样本图像集中。

12.如权利要求11所述的训练方法，其中，所述神经网络还包括违章检测模型，

所述训练方法还包括：

利用所述城市管理违章的标准样本图像集对所述违章检测模型进行训练，以使得所述违章检测模型能够基于输入的城市管理采集图像，输出所述城市管理违章的标准样本图像集中相关的真实违章标签的存在属性，

其中，所述存在属性包括存在和不存在两种属性。

13.一种利用神经网络进行违章识别的方法，所述神经网络利用如权利要求10至12中任一项所述的训练方法训练得到，所述神经网络包括违章分类模型，

所述识别方法包括：

获取针对目标场景的第一城市管理采集图像；

响应于第一城市管理采集图像输入所述违章分类模型，所述违章分类模型输出所述第一城市管理采集图像对应的城市管理违章标签，所述城市管理违章标签包括违章和不违章。

14.如权利要求13所述的识别方法，所述识别方法还包括：

响应于确定所述违章分类模型所输出的所述第一城市管理采集图像对应的城市管理违章标签为违章，针对所述第一城市管理采集图像执行立案，其中，所述立案包括记录所述城市管理违章标签。

15.如权利要求14所述的识别方法，所述识别方法还包括：

针对所述第一城市管理采集图像执行立案之后，获取针对目标场景的第二城市管理采集图像；

将所述第二城市管理采集图像输入所述违章分类模型；

响应于确定所述违章分类模型所输出的所述第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签一致，确定不撤销针对所述第一城市管理采集图像的立案。

16.如权利要求15所述的识别方法，其中，所述神经网络还包括违章检测模型，所述识别方法还包括：

响应于确定所述违章分类模型所输出的所述第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签不一致，将第二城市管理采集图像输入所述违章检测模型，并获取所述违章检测模型输出的所述记录的城市管理违章标签的存在属性；

响应于确定所述记录的城市管理违章标签的存在属性为存在，确定不撤销针对所述第一城市管理采集图像的立案。

17.如权利要求16所述的识别方法，所述方法还包括：

响应于确定所述记录的城市管理违章标签的存在属性为不存在，确定撤销针对所述第一城市管理采集图像的立案。

18.一种数据清洗装置，用于对待清洗数据样本集进行清洗，所述待清洗数据样本集包括多个具有初始标签的待清洗数据样本，所述清洗装置包括：

第一清洗单元，被配置用于利用训练好的第一分类模型对所述待清洗数据样本集执行清洗操作，其中，所述第一清洗单元包括：

预测子单元，被配置用于响应于将所述待清洗数据样本集中每一个待清洗数据样本输入所述第一分类模型，所述第一分类模型输出所述待清洗数据样本集中每一个待清洗数据样本的预测标签及其标签置信度；

第一获取子单元，被配置用于获取预测标签与初始标签不一致的一个或多个待清洗数据样本；

第一确定子单元，被配置用于基于预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签；以及

第二确定子单元，被配置用于将确定真实标签后的所述一个或多个待清洗数据样本确定为第一标准数据样本；

第一训练单元，被配置用于利用所确定的一个或多个所述第一标准数据样本对第一分类模型再次进行训练，以使所述第一清洗单元利用再次训练好的第一分类模型对所述待清洗数据样本集的剩余待清洗数据样本执行所述清洗操作；以及

第一构建单元，被配置用于基于具有真实标签的多个所述第一标准数据样本，构建第一标准数据样本集。

19.如权利要求18所述的清洗装置，其中，所述第一获取子单元包括：

第一设置子单元，被配置用于设置动态阈值，

其中，预测标签与初始标签不一致的所述一个或多个待清洗数据样本中每一个待清洗数据样本的标签置信度不小于所述动态阈值。

20.如权利要求18所述的清洗装置，其中，所述预设规则包括第一预设规则，所述第一清洗单元还包括：

第二设置子单元，被配置用于设置预设阈值；

第一确定子单元进一步被配置用于响应于确定动态阈值不小于预设阈值，基于第一预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签。

21.如权利要求20所述的清洗装置，其中，所述第一确定子单元进一步被配置用于确定所述一个或多个待清洗数据样本的预测标签为所述真实标签。

22.如权利要求20所述的清洗装置，其中，所述第一确定子单元进一步被配置用于响应于确定动态阈值小于预设阈值，基于第二预设规则，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签，

其中，所述第二预设规则与所述第一预设规则不同。

23.如权利要求22所述的清洗装置，其中，所述第一确定子单元包括：

第二获取子单元，被配置用于获取预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实数据特征；

第三确定子单元，被配置用于基于相应的真实数据特征，确定预测标签与初始标签不一致的所述一个或多个待清洗数据样本的真实标签。

24.如权利要求19-23中任一项所述的清洗装置，其中，针对所述待清洗数据样本集的连续两次清洗操作，第一次清洗操作中所设置的所述动态阈值大于第二次清洗操作中所设置的所述动态阈值。

25.如权利要求19-23中任一项所述的清洗装置，其中，所述第一清洗单元还包括：

第四确定子单元，被配置用于针对标签置信度不小于所述动态阈值、并且预测标签与初始标签一致的一个或多个待清洗数据样本，确定预测标签与初始标签一致的所述一个或多个待清洗数据样本的初始标签为真实标签。

26.如权利要求18所述的清洗装置，所述装置还包括：

第二训练单元，被配置用于利用初始数据样本集对第二分类模型进行训练，所述初始数据样本集包括多个具有初始标签的初始数据样本；

第一获取单元，被配置用于将第二标准数据样本集输入训练好的第二分类模型，获取所述第二分类模型输出的所述第二标准数据样本集中每一个第二标准数据样本的预测标签，其中，所述第二标准数据样本集包括多个具有真实标签的第二标准数据样本；

第二构建单元，被配置用于基于所述第二标准数据样本集中所有第二标准数据样本分别相应的真实标签和预测标签，构建混淆矩阵；

第一确定单元，被配置用于基于所述混淆矩阵，确定易混淆的一个或多个初始标签；

第二获取单元，被配置用于从所述初始数据样本集中获取所述一个或多个初始标签相应的至少部分初始数据样本，以建立所述待清洗数据样本集。

27.一种神经网络的训练装置，其中，所述神经网络包括违章分类模型，

所述训练装置包括：

第三获取单元，被配置用于获取城市管理违章的待清洗样本图像集，其中，所述待清洗样本图像集包括多个具有初始违章标签的违章样本图像；

第二清洗单元，被配置用于采用如权利要求1-9中任一项所述的清洗方法对所述待清洗样本图像集进行清洗，确定所包括的多个违章样本图像的真实违章标签，以得到城市管理违章的标准样本图像集；

第三训练单元，被配置用于利用所述标准样本图像集对所述违章分类模型进行训练。

28.如权利要求27所述的训练装置，所述装置还包括：

第四获取单元，被配置用于获取与多个真实违章标签中每一个所述真实违章标签相对应的销案样本图像，并确定每一个销案样本图像的真实销案标签；以及

添加单元，被配置用于将多个具有真实销案标签的销案样本图像添加到所述城市管理违章的标准样本图像集中。

29.如权利要求28所述的训练装置，其中，所述神经网络还包括违章检测模型，所述装置还包括：

第四训练单元，被配置用于利用所述城市管理违章的标准样本图像集对所述违章检测模型进行训练，以使得所述违章检测模型能够基于输入的城市管理采集图像，输出所述城市管理违章的标准样本图像集中相关的真实违章标签的存在属性，

其中，所述存在属性包括存在和不存在两种属性。

30.一种基于城市管理违章图像的违章识别装置，所述识别装置包括：

根据如权利要求10至12中任一项所述的训练方法训练得到的神经网络，其中，所述神经网络包括违章分类模型；

第五获取单元，被配置用于获取针对目标场景的第一城市管理采集图像，

其中，所述违章分类模型被配置用于响应于第一城市管理采集图像输入所述违章分类模型，输出所述第一城市管理采集图像对应的城市管理违章标签，所述城市管理违章标签包括违章和不违章。

31.如权利要求30所述的识别装置，所述装置还包括：

立案单元，被配置用于响应于确定所述违章分类模型所输出的所述第一城市管理采集图像对应的城市管理违章标签为违章，针对所述第一城市管理采集图像执行立案，其中，所述立案包括记录所述城市管理违章标签。

32.如权利要求31所述的识别装置，所述装置还包括：

第六获取单元，被配置用于针对所述第一城市管理采集图像执行立案之后，获取针对目标场景的第二城市管理采集图像；

输入单元，被配置用于将所述第二城市管理采集图像输入所述违章分类模型；

第二确定单元，被配置用于响应于确定所述违章分类模型所输出的所述第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签一致，确定不撤销针对所述第一城市管理采集图像的立案。

33.如权利要求32所述的识别装置，其中，所述神经网络还包括违章检测模型，所述装置还包括：

第七获取单元，被配置为响应于确定所述违章分类模型所输出的所述第二城市管理采集图像的城市管理违章标签与第一城市管理采集图像的城市管理违章标签不一致，将第二城市管理采集图像输入所述违章检测模型，并获取所述违章检测模型输出的所述记录的城市管理违章标签的存在属性；

第三确定单元，被配置为响应于确定所述记录的城市管理违章标签的存在属性为存在，确定不撤销针对所述第一城市管理采集图像的立案。

34.如权利要求33所述的识别装置，所述装置还包括：

第四确定单元，被配置用于响应于确定所述记录的城市管理违章标签的存在属性为不存在，确定撤销针对所述第一城市管理采集图像的立案。

35.一种计算机设备，包括：

存储器、处理器以及存储在所述存储器上的计算机程序，

其中，所述处理器被配置为执行所述计算机程序以实现权利要求1-17中任一项所述的方法的步骤。

36.一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-17中任一项所述的方法的步骤。

37.一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-17中任一项所述的方法的步骤。