[發(fā)明專利]一種基于深度學(xué)習(xí)的圖像描述方法及系統(tǒng)、介質(zhì)和電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202210422519.3
• 申請(qǐng)日: 2022-04-21
• 公開（公告）號(hào): CN114881242B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 杜涵
• 申請(qǐng)（專利權(quán)）人: 西南石油大學(xué)
• 主分類號(hào): G06N20/00
• 分類號(hào): G06N20/00;G06V10/764
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 盧澤明

本發(fā)明提供了一種基于深度學(xué)習(xí)的圖像描述方法及系統(tǒng)、介質(zhì)和電子設(shè)備。所述方法包括根據(jù)圖像描述學(xué)習(xí)主機(jī)的輸入數(shù)據(jù)，發(fā)出自動(dòng)運(yùn)行命令，并根據(jù)自動(dòng)運(yùn)行命令存儲(chǔ)到待訓(xùn)練數(shù)據(jù)和等待數(shù)據(jù)；根據(jù)CPU處理狀態(tài)判斷是否發(fā)出自動(dòng)輸出命令和自動(dòng)輸出命令的發(fā)出時(shí)間；判斷是否收到自動(dòng)輸出命令，生成訓(xùn)練時(shí)序數(shù)據(jù)組；根據(jù)訓(xùn)練時(shí)序數(shù)據(jù)組進(jìn)行自動(dòng)的模型運(yùn)算，生成目標(biāo)修正模型；實(shí)時(shí)計(jì)算實(shí)時(shí)目標(biāo)描述矩陣，并提取目標(biāo)點(diǎn)位值，根據(jù)橫坐標(biāo)和縱坐標(biāo)進(jìn)行展示；在存儲(chǔ)空間中開辟數(shù)據(jù)區(qū)，存儲(chǔ)目標(biāo)點(diǎn)位值及其對(duì)應(yīng)的橫縱坐標(biāo)。該方案基于深度學(xué)習(xí)算法，并通過結(jié)合圖像輸入狀態(tài)、CPU運(yùn)行狀態(tài)和自適應(yīng)訓(xùn)練，提供了一種進(jìn)行圖像描述方法，提升圖像描述可靠性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像分析技術(shù)領(lǐng)域，更具體地，涉及一種基于深度學(xué)習(xí)的圖像描述方法及系統(tǒng)、介質(zhì)和電子設(shè)備。

背景技術(shù)

隨著新技術(shù)的不斷發(fā)展和應(yīng)用，越來越多的人開始使用深度學(xué)習(xí)算法在各個(gè)領(lǐng)域中。其中，由于圖像處理和圖像描述方面，有著數(shù)據(jù)量大，存貨量大，特征無法人工提取的特點(diǎn)，也逐漸開始使用基于深度學(xué)習(xí)的算法。

在本發(fā)明技術(shù)之前，基于深度學(xué)習(xí)的算法在圖像描述中已有應(yīng)用，但是算法的運(yùn)算的可靠性較差，而且容易產(chǎn)生運(yùn)算錯(cuò)亂和運(yùn)算結(jié)果有效性低的問題，原因主要是傳統(tǒng)的基于深度學(xué)習(xí)的算法在圖像描述方法中，過分注重算法的運(yùn)行而忽略了如何根據(jù)設(shè)備的配合進(jìn)行自適應(yīng)的算法控制，導(dǎo)致圖像描述可控性低，圖像描述的可靠性差，無法保證針對(duì)各類輸入均能夠產(chǎn)生準(zhǔn)確的評(píng)估。

發(fā)明內(nèi)容

鑒于上述問題，本發(fā)明提出了一種基于深度學(xué)習(xí)的圖像描述方法及系統(tǒng)、介質(zhì)和電子設(shè)備，通過結(jié)合圖像輸入狀態(tài)、CPU運(yùn)行狀態(tài)和自適應(yīng)訓(xùn)練，基于深度學(xué)習(xí)算法，提供了一種進(jìn)行圖像描述方法，提升圖像描述可靠性。

根據(jù)本發(fā)明實(shí)施例第一方面，提供一種基于深度學(xué)習(xí)的圖像描述方法。

在一個(gè)或多個(gè)實(shí)施例中，優(yōu)選地，所述一種基于深度學(xué)習(xí)的圖像描述方法包括：

設(shè)置圖像描述學(xué)習(xí)主機(jī)的參數(shù)，根據(jù)所述圖像描述學(xué)習(xí)主機(jī)的輸入數(shù)據(jù)，發(fā)出自動(dòng)運(yùn)行命令，并根據(jù)所述自動(dòng)運(yùn)行命令存儲(chǔ)到待訓(xùn)練數(shù)據(jù)和等待數(shù)據(jù)；

獲取當(dāng)前CPU處理狀態(tài)，并根據(jù)所述CPU處理狀態(tài)判斷是否發(fā)出自動(dòng)輸出命令和所述自動(dòng)輸出命令的發(fā)出時(shí)間；

判斷是否收到所述自動(dòng)輸出命令，生成訓(xùn)練時(shí)序數(shù)據(jù)組；

根據(jù)所述訓(xùn)練時(shí)序數(shù)據(jù)組進(jìn)行自動(dòng)的模型運(yùn)算，生成修正目標(biāo)描述矩陣和目標(biāo)修正模型；

獲得所述目標(biāo)修正模型實(shí)時(shí)計(jì)算實(shí)時(shí)目標(biāo)描述矩陣，并提取目標(biāo)點(diǎn)位值，根據(jù)橫坐標(biāo)和縱坐標(biāo)進(jìn)行展示；

獲取所述目標(biāo)點(diǎn)位值，在存儲(chǔ)空間中開辟數(shù)據(jù)區(qū)，存儲(chǔ)所述目標(biāo)點(diǎn)位值及其對(duì)應(yīng)的所述橫坐標(biāo)和所述縱坐標(biāo)。

其中，根據(jù)所述圖像描述學(xué)習(xí)主機(jī)的輸入數(shù)據(jù)，發(fā)出所述自動(dòng)運(yùn)行命令，具體包括：

獲得當(dāng)前所述圖像描述學(xué)習(xí)主機(jī)的實(shí)時(shí)學(xué)習(xí)輸入數(shù)據(jù)；

對(duì)所述實(shí)時(shí)學(xué)習(xí)輸入數(shù)據(jù)進(jìn)行數(shù)據(jù)類型分析，根據(jù)對(duì)應(yīng)數(shù)據(jù)類型進(jìn)行劃分，并計(jì)算所述數(shù)據(jù)類型對(duì)應(yīng)的數(shù)據(jù)類型長度；

根據(jù)所述數(shù)據(jù)類型長度提取1秒內(nèi)全部的所述實(shí)時(shí)學(xué)習(xí)輸入數(shù)據(jù)的總長度，單位為KB；

根據(jù)所述實(shí)時(shí)學(xué)習(xí)輸入數(shù)據(jù)的總長度，利用第一計(jì)算公式計(jì)算實(shí)時(shí)波動(dòng)均值；

根據(jù)所述實(shí)時(shí)波動(dòng)均值利用第二計(jì)算公式計(jì)算實(shí)時(shí)波動(dòng)最小值；

根據(jù)所述實(shí)時(shí)波動(dòng)均值利用第三計(jì)算公式計(jì)算實(shí)時(shí)波動(dòng)最大值；

利用第四計(jì)算公式計(jì)算實(shí)時(shí)學(xué)習(xí)輸入裕度；

根據(jù)第五計(jì)算公式自動(dòng)判斷所述實(shí)時(shí)學(xué)習(xí)輸入數(shù)據(jù)的總長度是否滿足所述實(shí)時(shí)學(xué)習(xí)輸入裕度，若滿足則發(fā)出所述自動(dòng)運(yùn)行命令；