[發明專利]多任務學習深度網絡的識別方法、系統及設備

有效

• 申請號: 202210445590.3
• 申請日: 2022-04-26
• 公開（公告）號: CN114565064B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 楊德順;羅曉忠;孫海航;肖羅;徐建宇
• 申請（專利權）人: 心鑒智控（深圳）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06N3/04
• 代理公司: 深圳漢林匯融知識產權代理事務所(普通合伙) 44850
• 代理人: 劉臨利

1.多任務學習深度網絡的識別方法，其特征在于，包括如下步驟：

獲取當前的數據識別模型，該數據識別模型是基于神經網絡構建的具有第一神經網絡和根據任務進行的在第一神經網絡內建立的至少一組動態神經網絡單元；

所述動態神經網絡單元依據任務的進行將第一神經網絡具有的訓練資源集合按照設定規則進行動態的調配；

當至少有一個新任務進入時，任務管理模塊識別新任務后調取第一神經網絡的參數信息并在第一神經網絡內通過加載通用特征庫對應的選擇識別特征來建立一個與新任務對應的動態神經網絡單元，通過動態分配模塊將訓練資源按照設定規則調配給動態神經網絡單元以對新任務進行學習，當監測到新任務學習完畢后，動態神經網絡單元所具有的網絡資源被釋放并重新融合到訓練資源集合中，同時所述動態神經網絡單元被消除。

2.根據權利要求1所述的多任務學習深度網絡的識別方法，其特征在于，所述動態神經網絡單元被消除后，第一神經網絡用于提取通過網絡資源進行新任務的學習所得到的任務特征經轉化后補充到通用特征庫中。

3.根據權利要求1所述的多任務學習深度網絡的識別方法，其特征在于，所述設定規則是根據新任務的任務數量來動態的分配網絡資源。

4.多任務學習深度網絡的識別系統，其特征在于，包括：

數據識別模型，該數據識別模型是基于神經網絡構建的具有第一神經網絡和根據任務進行的在第一神經網絡內建立的至少一組動態神經網絡單元；

動態分配模塊，該動態分配模塊依據任務的進行將第一神經網絡具有的訓練資源集合按照設定規則調配給動態神經網絡單元；

監控模塊，該監控模塊用于監測動態神經網絡單元的新任務學習狀況；

資源釋放模塊，該資源釋放模塊用于當監控模塊監測到新任務學習完畢后，動態神經網絡單元所具有的網絡資源被釋放并重新融合到訓練資源集合中，同時所述動態神經網絡單元被消除。

5.根據權利要求4所述的多任務學習深度網絡的識別系統，其特征在于，所述動態神經網絡單元是基于任務的進行通過任務管理模塊識別任務后調取第一神經網絡的參數信息并在第一神經網絡內加載通用特征庫對應的選擇識別特征來建立。

6.根據權利要求4所述的多任務學習深度網絡的識別系統，其特征在于，所述動態分配模塊根據新任務的任務數量來對應的調整設定規則，所述設定規則來動態的分配網絡資源至至少一個動態神經網絡單元中。

7.根據權利要求4所述的多任務學習深度網絡的識別系統，其特征在于，所述第一神經網絡配置有：

通用特征庫，

提取模塊，該提取模塊用于將網絡資源進行新任務的學習所得到的任務特征進行提取；

轉化模塊，該轉化模塊連接提取模塊，該提取模塊接收任務特征并將任務特征轉化為通用的識別特征并存儲到通用特征庫中。

8.根據權利要求4所述的多任務學習深度網絡的識別系統，其特征在于，所述設定規則用于按照額定參數為所述第一神經網絡分配定額的訓練資源，并根據任務數量來平均分配剩余的訓練資源至每一動態神經網絡單元中；

在當前時刻，每一所述動態神經網絡單元訓練過程中，若有新任務產生時，所述動態分配模塊從當前時刻中每一所述動態神經網絡單元中回調相同比例的網絡資源分配至新任務構成的動態神經網絡單元中；并使得新任務構成的動態神經網絡單元所占有的網絡資源與當前時刻每一動態神經網絡單元回調后所具有的網絡資源的大小相同。

9.根據權利要求5所述的多任務學習深度網絡的識別系統，其特征在于，所述任務管理模塊用于任務的識別和任務數量的監控，若任務數量達到設定的上限后，再有新任務產生時，任務管理模塊暫停對新任務的識別，直到資源釋放模塊將至少其中一個已經建立的動態神經網絡單元所具有的網絡資源釋放，同時消除該動態神經網絡單元時，再通過新任務的進行依據任務管理模塊對新任務進行識別后調取第一神經網絡的參數信息并在第一神經網絡內加載通用特征庫對應的選擇識別特征來建立新任務對應的動態神經網絡單元。

10.一種多任務學習深度網絡的識別設備，包含權利要求4至9任意一項所述的多任務學習深度網絡的識別系統，所述設備內設置有數據識別模型，以及任務管理模塊，所述任務管理模塊連接所述數據識別模型。