深度学习平台的图像显示方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种深度学习平台的图像显示方法、装置、电子设备及存储介质，方法包括：响应对任一图像的选择请求，选择出当前目标图像，判断已选择的当前目标图像是否加入深度学习的预设数据集，若是，则显示已选择的当前目标图像，并在所述当前目标图像上层带有隔离图层，所述隔离图层用于隔离对所述当前目标图像的操作。本申请提供的方法判断当前目标图像是否加入预设数据集，若已加入，则在显示当前目标图像的上层带有隔离图层，通过显示时增加隔离图层的方式减少因误操作导致的深度学习结果变化。果变化。果变化。

【技术实现步骤摘要】
深度学习平台的图像显示方法、装置、电子设备及存储介质


[0001]本申请涉及深度学习
，特别是涉及一种深度学习平台的图像显示方法、装置、电子设备及存储介质。

技术介绍

[0002]随着科技的不断发展，人们对深度学习的需求也日益提高，深度学习是机器学习领域中一个新的研究方向，深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。
[0003]深度学习开发平台是一个用于深度学习的样本标注、模型训练、以及模型推理的开发平台，现有的深度学习开发平台在对样本图像训练时，若用户对该样本图像的标注信息进行误修改、误删除等操作，从而会导致训练出的模型准确度不高；以及在待推理图像进行推理时，若用户对推理结果进行误修改、误删除等操作，从而造成生成推理结果的改变。
[0004]因此如何避免在深度学习的过程中的误操作成为本领域技术人员急于解决的问题。

技术实现思路

[0005]基于上述问题，本申请提供了一种深度学习平台的图像显示方法、装置、电子设备及存储介质以解决因误操作对图像的图像信息进行修改所导致的深度学习结果不准确。
[0006]本申请公开了一种深度学习平台的图像显示方法，所述方法包括以下步骤：
[0007]响应对任一图像的选择请求，选择出当前目标图像；
[0008]判断已选择的当前目标图像是否加入深度学习的预设数据集；
[0009]若是，则显示已选择的当前目标图像，并在所述当前目标图像上层带有隔离图层，所述隔离图层用于隔离对所述当前目标图像的操作。
[0010]可选的，在所述显示已选择的当前目标图像，并在所述当前目标图像上层带有隔离图层之后还可以包括：
[0011]响应对所述当前目标图像的移除请求，将所述当前目标图像移除所在预设数据集并在当前目标图像上层保持显示所述隔离图层；
[0012]响应对另一张目标图像的选择请求，移除所述当前目标图像上层的所述隔离图层。
[0013]可选的，预设数据集包括：训练集、验证集和测试集。
[0014]可选的，所述深度学习平台的图像显示方法还可以包括：
[0015]接收但不响应对所述隔离图层的操作请求。
[0016]可选的，所述深度学习平台的图像显示方法还可以包括：
[0017]获取所述预设数据集中的任一图像作为初始图像；
[0018]在响应所述选择请求前，显示所述初始图像，并在所述初始图像上层带有所述隔离图层。
[0019]可选的，所述深度学习平台的图像显示方法中的所述隔离图层为具有预设透明度的图层。
[0020]本申请还提供了一种深度学习平台的图像显示装置，所述装置包括以下模块：
[0021]响应模块，用于响应对任一图像的选择请求，选择出当前目标图像；
[0022]判断模块，用于判断已选择的当前目标图像是否加入深度学习的预设数据集；
[0023]显示模块，用于在已选择的当前目标图像加入所述预设数据集时，则显示已选择的当前目标图像，并在所述当前目标图像上层带有隔离图层，所述隔离图层用于隔离对所述当前目标图像的操作。
[0024]可选的，所述深度学习平台的图像显示装置进一步包括：
[0025]所述响应模块，还用于响应对所述当前目标图像的移除请求，将所述当前目标图像移除所在所述预设数据集并在当前目标图像上层保持显示所述隔离图层；以及，响应对另一张目标图像的选择请求，移除所述当前目标图像上层的所述隔离图层。
[0026]可选的，所述深度学习平台的图像显示装置中的所述响应模块，还用于接收但不响应对所述隔离图层的操作请求。
[0027]可选的，所述深度学习平台的图像显示装置进一步包括：
[0028]获取模块，用于获取所述预设数据集中的任一图像作为初始图像；
[0029]所述显示模块，还用于在响应所述选择请求前，显示所述初始图像，并在所述初始图像上层带有所述隔离图层。
[0030]本申请还提供了一种电子设备，包括存储器和处理器，其中：
[0031]所述存储器，用于保存计算机程序；
[0032]所述处理器，用于执行所述计算机程序，以实现上述深度学习平台的图像显示方法。
[0033]本申请还提供了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现上述深度学习平台的图像显示方法。
[0034]相较于现有技术，本申请具有以下有益效果：
[0035]本申请公开了一种深度学习平台的图像显示方法，本申请公开的方法会对当前目标图像进行判断，如果当前目标图像是要保护的目标，即当前目标图像在数据集中，所述数据集是用于模型训练或模型应用的图像集合，则对当前目标图像进行保护。可以通过在显示目标图像时为目标图像增加隔离图层的方法禁止选择所述当前目标图像的图像信息，通过这样的方法对当前目标图像进行保护。通过本申请提供的对当前目标图像的显示方法可以通过隔离图层对当前目标图像进行保护，因此，避免了误操作对图像的图像信息进行的修改，从而提高深度学习结果的准确性。
附图说明
[0036]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本申请提供的一种深度学习平台的图像显示方法的流程图；
[0038]图2为本申请提供的另一种深度学习平台的图像显示方法的流程图；
[0039]图3为一种深度学习平台的可视界面；
[0040]图4为本申请提供的一种深度学习平台的图像显示装置的结构示意图。
具体实施方式
[0041]正如前文描述，若使用目前的在深度学习平台中显示图像的方法，则可能导致用户对已显示样本图像的标注信息进行误修改、误删除等操作，从而会使训练出的模型准确度不高；以及在待推理图像进行推理时，若用户对推理结果进行误修改、误删除等操作，从而造成生成推理结果的改变。
[0042]经过研究发现，现有的在深度学习平台中显示图像的方法中，在接收到对某一标注图像的选择请求时，会直接的显示已选择的标注图像，而直接显示的标注图像是在预设数据集中的标注图像时，用户可以直接对这个已显示的预设数据集中的标注图像直接进行操作，因而导致用户可能对已显示的预设数据集中的标注图像中的标注信息进行误修改、误删除等操作。而这些误修改、误删除等操作会直接导致训练出的模型准确度不高。
[0043]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习平台的图像显示方法，其特征在于，包括：响应对任一图像的选择请求，选择出当前目标图像；判断已选择的当前目标图像是否加入深度学习的预设数据集；若是，则显示已选择的当前目标图像，并在所述当前目标图像上层带有隔离图层，所述隔离图层用于隔离对所述当前目标图像的操作。2.根据权利要求1所述的方法，其特征在于，在所述显示已选择的当前目标图像，并在所述当前目标图像上层带有隔离图层，之后，还包括：响应对所述当前目标图像的移除请求，将所述当前目标图像移除所在预设数据集并在当前目标图像上层保持显示所述隔离图层；响应对另一张目标图像的选择请求，移除所述当前目标图像上层的所述隔离图层。3.根据权利要求1所述的方法，其特征在于，所述预设数据集包括：训练集、验证集和测试集。4.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：接收但不响应对所述隔离图层的操作请求。5.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：获取所述预设数据集中的任一图像作为初始图像；在响应所述选择请求前，显示所述初始图像，并在所述初始图像上层带有所述隔离图层。6.根据权利要求1
‑
5任意一项所述的方法，其特征在于，所述隔离图层为具有预设透明度的图层。7.一种深度学习平台的图像显示装置，其特征在于，所述装置包括：响应模块，用于响应对任一图像的选择请求，选择出当前目标图像；判断模块，用于判断已选择的当前...

【专利技术属性】
技术研发人员：李旭光，
申请(专利权)人：苏州镁伽科技有限公司，
类型：发明
国别省市：