一种数据处理方法、装置及设备制造方法及图纸

本申请提供一种数据处理方法、装置及设备，该方法包括：中心服务器将初始基线模型发送给边缘服务器；边缘服务器通过场景数据对初始基线模型进行训练，得到目标基线模型，并确定是否部署目标基线模型；若否，则边缘服务器将所述目标基线模型发送给中心服务器；所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，对所述融合基线模型进行训练，将训练后的基线模型确定为初始基线模型。通过本申请的技术方案，可以得到性能较好的目标基线模型，目标基线模型的智能分析结果的准确度较高。

【技术实现步骤摘要】
一种数据处理方法、装置及设备
本申请涉及人工智能领域，尤其涉及一种数据处理方法、装置及设备。
技术介绍
机器学习是实现人工智能的一种途径，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习用于研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习更加注重算法设计，使计算机能够自动地从数据中学习规律，并利用规律对未知数据进行预测。机器学习已经有了十分广泛的应用，如深度学习、数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等。在智能交通领域，中心服务器可以将车牌图像作为样本数据，通过车牌图像训练用于实现车牌识别的机器学习模型。然而，实际应用中，边缘服务器在获取到车牌图像后，由于车牌图像属于隐私数据，基于对隐私数据的保护需求，边缘服务器不会将车牌图像发送给中心服务器，导致中心服务器无法通过边缘服务器的车牌图像训练机器学习模型，即机器学习模型无法匹配边缘服务器所处环境，在将机器学习模型部署到边缘服务器后，机器学习模型的性能较低。
技术实现思路
本申请提供一种数据处理方法，所述方法包括：中心服务器将初始基线模型发送给边缘服务器；所述边缘服务器通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型，并确定是否部署所述目标基线模型；若否，则所述边缘服务器将所述目标基线模型发送给所述中心服务器；所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，对所述融合基线模型进行训练，将训练后的基线模型确定为初始基线模型，返回执行将初始基线模型发送给边缘服务器的操作。本申请提供一种数据处理方法，应用于边缘服务器，包括：从中心服务器获取初始基线模型；通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型，并确定是否部署所述目标基线模型；若否，则将所述目标基线模型发送给所述中心服务器，以使所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，并基于所述融合基线模型重新获取初始基线模型。本申请提供一种数据处理方法，应用于中心服务器，包括：将初始基线模型发送给边缘服务器，以使所述边缘服务器通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型；从所述边缘服务器获取所述目标基线模型；基于所述目标基线模型和所述初始基线模型生成融合基线模型；对所述融合基线模型进行训练，将训练后的基线模型确定为初始基线模型，返回执行将初始基线模型发送给边缘服务器的操作。本申请提供一种数据处理装置，应用于边缘服务器，包括：获取模块，用于从中心服务器获取初始基线模型；训练模块，用于通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型，并确定是否部署所述目标基线模型；发送模块，用于在不部署所述目标基线模型时，将所述目标基线模型发送给所述中心服务器，以使所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，并基于所述融合基线模型重新获取初始基线模型。本申请提供一种数据处理装置，应用于中心服务器，包括：发送模块，用于将初始基线模型发送给边缘服务器，以使边缘服务器通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型；获取模块，用于从所述边缘服务器获取所述目标基线模型；生成模块，用于基于所述目标基线模型和所述初始基线模型生成融合基线模型；对融合基线模型进行训练，将训练后的基线模型确定为初始基线模型。本申请提供一种边缘服务器，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现如下的步骤：从中心服务器获取初始基线模型；通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型，并确定是否部署所述目标基线模型；若否，则将所述目标基线模型发送给所述中心服务器，以使所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，并基于所述融合基线模型重新获取初始基线模型。本申请提供一种中心服务器，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现如下的步骤：将初始基线模型发送给边缘服务器，以使所述边缘服务器通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型；从所述边缘服务器获取所述目标基线模型；基于所述目标基线模型和所述初始基线模型生成融合基线模型；对所述融合基线模型进行训练，将训练后的基线模型确定为初始基线模型，返回执行将初始基线模型发送给边缘服务器的操作。由以上技术方案可见，本申请实施例中，边缘服务器可以从中心服务器获取初始基线模型，通过场景数据对初始基线模型进行训练，得到目标基线模型，将目标基线模型发送给中心服务器，中心服务器基于目标基线模型和初始基线模型生成融合基线模型，对融合基线模型进行训练，将训练后的基线模型确定为初始基线模型，将初始基线模型发送给边缘服务器，以此类推。由于上述过程可循环执行，因此，不断升级初始基线模型和目标基线模型的性能，持续提升初始基线模型和目标基线模型的识别能力，使得目标基线模型达到预期性能，达到高精度的识别能力。经过多次迭代过程，边缘服务器可以得到性能较好的目标基线模型，目标基线模型能够匹配边缘服务器所处环境，智能分析结果的准确度较高。在上述过程中，边缘服务器向中心服务器发送的是目标基线模型，而不是边缘服务器的场景数据(如车牌图像)，从而对场景数据进行隐私保护，不会将场景数据发送给中心服务器，从而实现去隐私的数据保护功能，避免将具有隐私性的车牌图像发送给中心服务器。由于目标基线模型是基于场景数据训练的，因此，能够将场景数据的信息体现到初始基线模型和目标基线模型。附图说明为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。图1是本申请一种实施方式中的系统结构示意图；图2是本申请一种实施方式中的数据处理方法的流程示意图；图3是本申请一种实施方式中的基线模型的结构示意图；图4是本申请另一种实施方式中的数据处理方法的流程示意图；图5是本申请另一种实施方式中的数据处理方法的流程示意图；图6A和图6B是本申请一种实施方式中的数据处理装置的结构示意图；图7A是本申请一种实施方式本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：/n中心服务器将初始基线模型发送给边缘服务器；/n所述边缘服务器通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型，并确定是否部署所述目标基线模型；/n若否，则所述边缘服务器将所述目标基线模型发送给所述中心服务器；/n所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，对所述融合基线模型进行训练，将训练后的基线模型确定为初始基线模型，返回执行将初始基线模型发送给边缘服务器的操作。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
中心服务器将初始基线模型发送给边缘服务器；
所述边缘服务器通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型，并确定是否部署所述目标基线模型；
若否，则所述边缘服务器将所述目标基线模型发送给所述中心服务器；
所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，对所述融合基线模型进行训练，将训练后的基线模型确定为初始基线模型，返回执行将初始基线模型发送给边缘服务器的操作。


2.根据权利要求1所述的方法，其特征在于，
所述中心服务器将初始基线模型发送给边缘服务器，包括：
所述中心服务器将所述初始基线模型发送给第一中转设备；
所述第一中转设备对所述初始基线模型进行第一转换操作，得到第一低维基线模型，并将所述第一低维基线模型发送给第二中转设备；
所述第二中转设备对所述第一低维基线模型进行第二转换操作，得到所述初始基线模型，并将所述初始基线模型发送给所述边缘服务器。


3.根据权利要求1所述的方法，其特征在于，
所述边缘服务器将所述目标基线模型发送给所述中心服务器，包括：
所述边缘服务器将所述目标基线模型发送给第二中转设备；
所述第二中转设备对所述目标基线模型进行第一转换操作，得到第二低维基线模型，并将所述第二低维基线模型发送给第一中转设备；
所述第一中转设备对所述第二低维基线模型进行第二转换操作，得到所述目标基线模型，并将所述目标基线模型发送给所述中心服务器。


4.根据权利要求2或者3所述的方法，其特征在于，
所述第一转换操作为加密操作，所述第二转换操作为解密操作；或者，
所述第一转换操作为压缩操作，所述第二转换操作为解压缩操作；或者，
所述第一转换操作为加密操作和压缩操作，所述第二转换操作为解密操作和解压缩操作。


5.根据权利要求1所述的方法，其特征在于，所述中心服务器基于所述目标基线模型和所述初始基线模型生成融合基线模型，包括：
所述中心服务器对至少一个边缘服务器的目标基线模型以及所述初始基线模型进行融合操作，得到所述融合基线模型；
其中，所述融合操作包括以下操作的一种：
加权操作，平均操作，取最大值操作，取最小值操作。


6.根据权利要求1所述的方法，其特征在于，
所述确定是否部署所述目标基线模型之后，所述方法还包括：
若是，则所述边缘服务器通过所述目标基线模型对应用数据进行处理。


7.一种数据处理方法，其特征在于，应用于边缘服务器，包括：
从中心服务器获取初始基线模型；
通过所述边缘服务器的场景数据对所述初始基线模型进行训练，得到目标基线模型，并确定是否部署所述目标基线模型；
若否，则将所述目标基线模型发送给所述中心服务器，以使所述中心服务器基于所述目...

【专利技术属性】
技术研发人员：程战战，郭大山，
申请(专利权)人：上海高德威智能交通系统有限公司，
类型：发明
国别省市：上海;31