[發明專利]辨識系統以及辨識方法

有效

• 申請號: 201710605149.6
• 申請日: 2017-07-24
• 公開（公告）號: CN109034176B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 黃耀民;劉文山;賴欣怡
• 申請（專利權）人: 財團法人資訊工業策進會
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 徐金國

一種辨識系統以及辨識方法。辨識系統包含一攝像裝置以及一服務器。攝像裝置耦接服務器。攝像裝置基于一影像數據以及一卷積神經網絡產生第M層計算結果。攝像裝置傳送關聯于第M層計算結果的一特征信息。M為等于或大于1的一正整數，M小于或等于N。N為一預設正整數。服務器接收特征信息。當M小于N時，服務器基于特征信息以及卷積神經網絡以迭代方式產生第K層計算結果。K為大于M的一正整數。K小于或等于N。當K等于N時，服務器基于第K層計算結果以及一第一辨識模型產生關聯于影像數據的一第一辨識結果，以對影像數據進行辨識。如此，可避免發生影像數據在傳送過程中發生外泄的問題。

技術領域

本揭示中所述實施例內容是有關于一種辨識技術，且特別是有關于一種辨識系統以及辨識方法。

背景技術

隨著影像技術的發展，針對影像的各種處理(例如：物件偵測)已被發展出來。在現有技術中，影像數據會從相機傳送至服務器，以進行后續的處理或辨識。在傳送影像數據的過程中，可能會發生影像數據外泄的問題。

發明內容

本揭示內容提出一種辨識系統以及辨識方法。

本揭示內容的一實施方式是關于一種辨識系統。辨識系統包含一攝像裝置以及一服務器。攝像裝置耦接服務器。攝像裝置用以基于一影像數據以及一卷積神經網絡(convolutional neural network)產生一第M層計算結果。攝像裝置傳送關聯于第M層計算結果的一特征信息。M為等于或大于1的一正整數，M小于或等于N。N為一預設正整數。服務器接收特征信息。當M小于N時，服務器基于特征信息以及卷積神經網絡以迭代(iteration)方式產生一第K層計算結果。K為大于M的一正整數。K小于或等于N。當K等于N時，服務器基于第K層計算結果以及一第一辨識模型產生關聯于影像數據的一第一辨識結果，以對影像數據進行辨識。

在一些實施例中，當M等于N時，第M層計算結果用以作為特征信息。服務器基于特征信息以及第一辨識模型產生第一辨識結果。

在一些實施例中，服務器更用以基于第一辨識結果以及一第二辨識模型產生關聯于影像數據的一第二辨識結果，且第二辨識模型不同于第一辨識模型。

在一些實施例中，第M層計算結果包含一卷積(convolution)結果、一池化(pooling)結果、一活化(activation)結果或一反卷積(deconvolution)結果。

在一些實施例中，攝像裝置更用以判斷一臨限時間是否滿足。當M小于N且臨限時間滿足時，攝像裝置傳送第M層計算結果至服務器作為特征信息。當M小于N且臨限時間未滿足時，攝像裝置基于第M層計算結果以及卷積神經網絡進行迭代演算。

本揭示內容的另一實施方式是關于一種辨識方法。辨識方法包含：通過一攝像裝置基于一影像數據以及一卷積神經網絡產生一第M層計算結果；通過攝像裝置傳送關聯于第M層計算結果的一特征信息給一服務器，M為等于或大于1的一正整數，M小于或等于N且N為一預設正整數；當M小于N時，通過服務器基于特征信息以及卷積神經網絡以迭代方式產生一第K層計算結果，K大于M且K小于或等于N；以及當K等于N時，通過服務器基于第K層計算結果以及一第一辨識模型產生關聯于影像數據的一第一辨識結果，以對影像數據進行辨識。

在一些實施例中，當M等于N時，第M層計算結果用以作為特征信息。辨識方法還包含：當M等于N時，通過服務器基于特征信息以及第一辨識模型產生第一辨識結果。

在一些實施例中，辨識方法還包含：通過服務器基于第一辨識結果以及一第二辨識模型產生關聯于影像數據的一第二辨識結果。第二辨識模型不同于第一辨識模型。

在一些實施例中，第M層計算結果包含一卷積結果、一池化結果、一活化結果或一反卷積結果。