云端装置、终端装置及影像分类方法制造方法及图纸

本发明专利技术提供一种终端装置，用于对影像进行分类，终端装置与云端装置进行通信。终端装置包括处理器，适于实现各指令；及存储设备，存储设备中存储有一影像分类模型，影像分类模型包括第一部分的运算与第二部分的运算，存储设备还适于存储多条指令，所述指令适于由处理器加载并执行以下步骤：读取一待分类的影像；将影像分类的指令发送至云端装置；当指令包括影像时，接收云端装置发出的中间运算结果；执行第二部分的运算，得到影像的分类结果；当指令包括中间运算结果时，在指令发送后，接收云端装置发出的影像的分类结果。本发明专利技术还提出一种云端装置及影像分类方法。

【技术实现步骤摘要】
云端装置、终端装置及影像分类方法
本专利技术涉及影像分类领域，尤其涉及一种用于影像分类的云端装置、终端装置及影像分类方法。
技术介绍
近年来随着深度学习技术的发展，深度学习方法在影像识别、分类、分割等方面取得了巨大突破。深度学习的动作分为训练(training)与推论(inference)。训练为使用大量数据来对AI模型做训练，训练后得到可用AI模型。推论为将未知的数据输入AI模型以得到判断结果。目前，通常将AI模型放在云端(cloud)装置上，客户端(client)将影像上传至云端装置，云端装置通过AI模型得到该影像的分类结果，再将分类结果回传给客户端。然而，在这种方法中云端装置需要负担全部的运算工作，当多个客户端同时请求云端装置进行运算时，影像分类的效率将受到影像。
技术实现思路
有鉴于此，有必要提出一种云端装置、终端装置及影像分类方法，以解决上述问题。本专利技术的第一方面提出一种终端装置，用于对影像进行分类，所述终端装置包括通信单元，所述终端装置通过所述通信单元与云端装置进行通信，所述终端装置包括：处理器，适于实现各指令；及存储设备，所述存储设备中存储有一影像分类模型，所述影像分类模型包括第一部分的运算与第二部分的运算，所述存储设备还适于存储多条指令，所述指令适于由所述处理器加载并执行以下步骤：读取一待分类的影像；将影像分类的指令发送至所述云端装置，所述指令包括所述影像或一中间运算结果；当所述指令包括所述影像时，接收所述云端装置发出的执行第一部分的运算后得到的中间运算结果；执行第二部分的运算，得到所述影像的分类结果；当所述指令包括所述中间运算结果时，所述步骤还包括：在所述指令发送后，接收所述云端装置发出的执行第二部分的运算后得到的影像的分类结果。本专利技术的第二方面提出一种云端装置，用于对影像进行分类，所述云端装置包括通信单元，所述云端装置通过所述通信单元与终端装置进行通信，所述云端装置包括：处理器，适于实现各指令；及存储设备，所述存储设备中存储有一影像分类模型，所述影像分类模型包括第一部分的运算与第二部分的运算，所述存储设备还适于存储多条指令，所述指令适于由所述处理器加载并执行以下步骤：接收所述终端装置发出的影像分类的指令；判断所述指令是否包括执行所述第一部分的运算得到的中间运算结果；当判断所述指令包括所述中间运算结果时，执行所述第二部分的运算，得到影像的分类结果；将所述影像的分类结果发送至所述终端装置；当判断所述指令不包括所述中间运算结果时，执行所述第一部分的运算，得到中间运算结果；将所述中间运算结果发送至所述终端装置。本专利技术的第三方面提出一种影像分类方法，应用于终端装置与云端装置中，所述终端装置与所述云端装置中分别存储有一影像分类模型，所述影像分类模型包括第一部分的运算与第二部分的运算，所述影像分类方法包括以下步骤：所述终端装置读取一待分类的影像；所述终端装置将影像分类的指令发送至所述云端装置；所述云端装置判断所述指令中是否包括执行所述第一部分的运算得到的中间运算结果；当所述云端装置判断所述指令中包括所述中间运算结果时，所述云端装置执行所述第二部分的运算，得到影像的分类结果，并将所述影像的分类结果发送至终端装置；当所述云端装置判断所述指令中不包括所述中间运算结果时，所述云端装置执行所述第一部分的运算，得到中间运算结果，并将所述中间运算结果发送至终端装置；所述终端装置执行所述第二部分的运算，得到所述影像的分类结果。上述终端装置能够负担影像分类模型中的部分运算，所述终端装置与所述云端装置相互配合，共同完成影像分类模型的运算，减轻了所述云端装置的运算负担，提升了影像分类的效率。并且，上述中间运算结果的网络传输量小于影像的网络传输量，提升了数据传输的效率，进一步提升了影像分类的效率。附图说明图1为本专利技术一实施方式中终端装置与云端装置的网络环境示意图。图2为本专利技术一实施方式中终端装置的模块示意图。图3为本专利技术一实施方式中云端装置的模块示意图。图4为本专利技术一实施方式中的影像分类方法的流程图。主要元件符号说明如下具体实施方式将结合上述附图进一步说明本专利技术。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施方式仅是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施方式，都属于本专利技术保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。请参阅图1，为本专利技术一较佳实施方式中终端装置10与云端装置20的网络环境示意图。所述云端装置20与至少一所述终端装置10进行通信连接。所述终端装置10至少包括第一处理器11、第一存储器12、第一通信单元13、显示单元14及输入单元15，所述第一存储器12、所述第一通信单元13、所述显示单元14及所述输入单元15分别与所述第一处理器11电性连接。在本实施方式中，所述第一处理器11、第一存储器12、第一通信单元13、显示单元14及输入单元15可集成到同一设备上。所述终端装置10可以为一台或多台移动终端或计算机。所述第一处理器11可以是中央处理器(CentralProcessingUnit,CPU)、微处理器或其他数据处理芯片等，适于实现各指令。所述第一存储器12存储终端装置10中的各类数据，例如程序代码等，并在终端装置10的运行过程中实现高速、自动地完成程序或数据的存取。所述第一存储器12还存储有一影像分类模型。所述影像分类模型为类神经网络结构。较佳地，所述影像分类模型为卷积神经网络(ConvolutionalNeuralNetworks，CNN)模型。在本实施方式中，所述影像分类模型为VGG(VisualGeometryGroup)模型。可以理解，在其他实施方式中，所述影像分类模型也可为其他类型的CNN模型。所述VGG模型包括第一部分的运算和第二部分的运算。所述第一部分的运算包括多个卷积(Convolution)运算，所述第二部分的运算包括三个全连接(FullyConnected,FC)运算。卷积运算用于取得影像的高阶特征，该高阶特征以多个数值表示。所述第一存储器12可为硬盘、软盘、U盘、随机存取存储设备等。在至少一实施方式中，所述第一存储器12可以是内部存储系统，例如闪存，随机读取存储设备RAM，可读取的存储设备ROM。在至少一实施方式中，所述第一存储器12还可以是一个存本文档来自技高网...

【技术保护点】
1.一种终端装置，用于对影像进行分类，其特征在于：所述终端装置包括通信单元，所述终端装置通过所述通信单元与云端装置进行通信，所述终端装置包括：/n处理器，适于实现各指令；及/n存储设备，所述存储设备中存储有一影像分类模型，所述影像分类模型包括第一部分的运算与第二部分的运算，所述存储设备还适于存储多条指令，所述指令适于由所述处理器加载并执行以下步骤：/n读取一待分类的影像；/n将影像分类的指令发送至所述云端装置，所述指令包括所述影像或一中间运算结果；/n当所述指令包括所述影像时，接收所述云端装置发出的执行第一部分的运算后得到的中间运算结果；/n执行第二部分的运算，得到所述影像的分类结果；/n当所述指令包括所述中间运算结果时，所述步骤还包括：/n在所述指令发送后，接收所述云端装置发出的执行第二部分的运算后得到的影像的分类结果。/n

【技术特征摘要】
1.一种终端装置，用于对影像进行分类，其特征在于：所述终端装置包括通信单元，所述终端装置通过所述通信单元与云端装置进行通信，所述终端装置包括：
处理器，适于实现各指令；及
存储设备，所述存储设备中存储有一影像分类模型，所述影像分类模型包括第一部分的运算与第二部分的运算，所述存储设备还适于存储多条指令，所述指令适于由所述处理器加载并执行以下步骤：
读取一待分类的影像；
将影像分类的指令发送至所述云端装置，所述指令包括所述影像或一中间运算结果；
当所述指令包括所述影像时，接收所述云端装置发出的执行第一部分的运算后得到的中间运算结果；
执行第二部分的运算，得到所述影像的分类结果；
当所述指令包括所述中间运算结果时，所述步骤还包括：
在所述指令发送后，接收所述云端装置发出的执行第二部分的运算后得到的影像的分类结果。


2.如权利要求1所述的终端装置，其特征在于，所述影像分类模型为VGG模型，所述第一部分的运算包括多个卷积运算，所述第二部分的运算包括三个全连接运算。


3.如权利要求1所述的终端装置，其特征在于，所述终端装置还包括一显示单元，所述显示单元与所述处理器电性连接，所述指令还适于由所述处理器加载并执行以下步骤：控制显示单元显示所述影像的分类结果。


4.如权利要求1所述的终端装置，其特征在于，在读取待分类的影像之后，所述指令还适于由所述处理器加载并执行以下步骤：
判断是否需要做第一部分的运算；
在判断需要做第一部分的运算时，执行所述第一部分的运算，得到所述中间运算结果。


5.一种云端装置，用于对影像进行分类，其特征在于：所述云端装置包括通信单元，所述云端装置通过所述通信单元与终端装置进行通信，所述云端装置包括：
处理器，适于实现各指令；及
存储设备，所述存储设备中存储有一影像分类模型，所述影像分类模型包括第一部分的运算与第二部分的运算，所述存储设备还适于存储多条指令，所述指令适于由所述处理器加载并执行以下步骤：
接收所述终端装置发出的影像分类的指令；
判断所述指令是否包括执行所述第一部分的运算得到的中间运算结果；
当判断所述指令包括所述中间运算结果时，执行所述第二部分的运算，得到影像的分类结果；
将所述影像的分类结...

【专利技术属性】
技术研发人员：林忠亿，郭锦斌，陈怡桦，
申请(专利权)人：富泰华工业深圳有限公司，鸿海精密工业股份有限公司，
类型：发明
国别省市：广东;44