[發明專利]一種新型可擴展的深度學習系統及數據識別方法

在審

• 申請號: 201810002647.6
• 申請日: 2018-01-02
• 公開（公告）號: CN108205708A
• 公開（公告）日: 2018-06-26
• 發明（設計）人: 郭星;李濤濤;張以文
• 申請（專利權）人: 安徽大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/02
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 丁瑞瑞

本發明公開了一種新型可擴展的深度學習系統及數據識別方法，系統包括依次連接的數據錄入設備、數據識別設備和處理器設備，數據識別設備由至少兩個數據識別裝置級聯組成，所述數據識別裝置包括數據輸入接口、交換模塊、存儲模塊、控制模塊、計算模塊和數據輸出接口，其中，數據輸入接口用于接收數據；交換模塊用于判斷是否將待識別數據、第一深度學習算法模型存儲到存儲模塊中；存儲模塊用于在交換模塊的判斷結果為是的情況下存儲待識別數據和第一深度學習算法模型；控制模塊用于向計算模塊發出針對待識別數據的識別指令；計算模塊用于識別待識別數據；數據輸出接口用于輸出識別結果。應用本發明實施例，可以提高對待識別數據的識別準確率。

技術領域

本發明涉及深度學習技術領域，具體涉及一種新型可擴展的深度學習系統及數據識別方法。

背景技術

深度學習是機器學習的一個分支，目的在于建立一個模擬人腦進行分析學習的神經網絡，通過模仿人腦的工作機制來進行數據處理，例如圖像通常應用在視頻識別、圖像識別或者聲音識別領域。

目前，通常是將深度學習算法模型燒錄入計算模塊中，再將計算模塊集成在數據識別裝置中，由數據識別裝置中的數據采集模塊采集待識別數據，然后由計算模塊對待識別數據進行識別。以上數據識別方式一個很重要的應用領域是公共安全領域，例如，可以集成在公共安全攝像頭中，由公共安全攝像頭拍攝視頻或者圖像，再由計算模塊對公共安全攝像頭拍攝的視頻或者圖像進行識別，例如，可以識別出圖像中包含的人物、車輛、動物、建筑物等。

但是，由于在數據識別過程中，受深度學習算法模型的模型參數設置的因素或者深度學習算法模型的模型結構的因素影響，導致目前的數據識別裝置，對待識別數據的識別的準確率不高。

發明內容

本發明所要解決的技術問題在于提供了一種新型可擴展的深度學習系統及數據識別方法。

本發明是通過以下技術方案解決上述技術問題的：

本發明實施例提供了一種新型可擴展的深度學習系統，所述系統包括：依次連接的數據錄入設備、數據識別設備和處理器設備，所述數據識別設備由至少兩個數據識別裝置級聯組成，其中，

所述數據錄入設備，用于錄入輸入的數據并將所述輸入的數據發送給所述數據識別設備；

所述數據識別裝置包括：數據輸入接口、交換模塊、存儲模塊、控制模塊、計算模塊和數據輸出接口，其中，

所述數據輸入接口，用于接收所述輸入的數據，所述輸入的數據包括：待識別數據、第一深度學習算法模型以及其他設備采用第二深度學習算法模型針對所述待識別數據的識別結果；

所述交換模塊，用于根據所述待識別數據的標識信息和所述第一深度學習算法模型的標識信息，判斷是否將所待識別數據以及所述第一深度學習算法模型存儲到所述存儲模塊中；

所述存儲模塊，用于在所述交換模塊的判斷結果為是的情況下，存儲所述待識別數據和所述第一深度學習算法模型；

所述控制模塊，用于向所述計算模塊發出針對所述待識別數據的識別指令；

所述計算模塊，用于根據所述識別指令獲取所述第一深度學習算法模型和所述待識別數據，并利用所述第一深度學習算法模型對所述待識別數據進行識別處理；

所述數據輸出接口，用于輸出所述計算模塊的識別結果和所述其他設備針對所述待識別數據的識別結果；

所述處理器設備，用于接收數據識別設備輸出的識別結果，并對所述識別結果進行篩選處理。

可選的，在本發明實施例的一種具體實施方式中，所述數據輸入接口包括：第一數據輸入接口和第二數據輸入接口，其中，所述第一數據輸入接口，用于接收非圖像數據；所述第二數據輸入接口，用于接收圖像數據；