【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于云计算的aic网络的图像分类方法、系统、电子设备及存储介质。
技术介绍
1、现有技术中用于图像处理和分析的云计算平台提供了大规模数据处理和存储能力，然而这些平台通常更注重通用计算任务，对于图像分类领域的特定需求没有进行专门优化。一些云服务提供商提供了图像分类的api和服务，允许开发者将图像上传至云端进行分类，这些服务通常基于预训练的模型，用户可以直接调用分类接口，但缺乏对于用户个性化需求的灵活性，以及实时训练和定制模型的能力。tensorflow、pytorch等深度学习框架被广泛应用于图像分类任务，这些框架提供了灵活的模型构建和训练工具，但在大规模云计算环境下的并行处理和实时模型更新方面则需要额外的工程和优化。
2、传统的图像分类系统通常依赖于手动设计的特征提取器和浅层模型，对于复杂的图像模式和大规模数据集的处理能力相对较弱，无法很好地适应不断变化的图像数据和用户需求，缺乏对深层次特征的学习能力，导致分类准确性相对较低。虽然一些现有系统利用云计算资源来处理图像数据，但它们通常面临资源调度不足、处理速度慢以及对大规模数据并行处理的能力有限的问题，一些系统则缺乏实时更新模型的机制，导致无法在运行时动态调整算法以适应新的图像模式和用户需求，限制了系统的灵活性和用户体验。
技术实现思路
1、本专利技术的目的是针对上述问题，提供一种基于云计算的aic网络的图像分类方法、系统、电子设备及存储介质，引入实时aic网络图像分类更新方法，不断优化
2、为实现上述目的，本专利技术提供的技术方案是：
3、一种基于云计算的aic网络的图像分类方法，获取大规模图像数据作为云计算平台的云端处理素材，其中包括通过设置云端用户图像上传接口以接入用户端图像数据；基于云服务架构的云计算平台通过分布式计算资源处理图像数据；采用aic网络对云端图像数据进行分类，通过对图像数据进行深度学习特征的提取和学习，满足对复杂图像模式的识别和分类，并通过实时训练模型更新机制的监测分类结果，不断优化算法参数，满足对新的图像数据和用户需求的适应性。
4、为优化上述技术方案，采取的具体措施/限定还包括：
5、云计算平台的云端处理素材的图像数据还包括通过网络爬虫技术主动搜索和收集的相关领域内的图像信息；通过加密传输和加密存储技术对云计算平台的图像数据进行数据隐私保护。
6、所述的分布式计算资源根据不同规模的图像数据灵活调整计算资源，使计算资源达到动态分配和弹性伸缩；所述的云计算平台利用分布式计算框架tensorflow实现对图像分类算法的并行计算。
7、所述的采用aic网络对云端图像数据进行分类，通过对图像数据进行深度学习特征的提取和学习，满足对复杂图像模式的识别和分类，包含以下步骤：
8、步骤a1：图像预处理：
9、对图像进行kg-filter处理去除部分噪声和normal化处理调整图像的亮度、对比度和颜色分布；
10、kg-filter处理的计算公式如下：
11、
12、其中，g(x,y)表示滤波后的像素值，(x,y)是当前像素的坐标，f(x,y)是邻域内像素的值，m和n分别是滤波器的宽度和高度，滤波器的大小(m*n)根据具体的应用和噪声特性进行调整；
13、normal化处理的计算公式为：
14、
15、其中xi表示第i个图像的值，表示所有图像值的平均值，xmax表示所有图像值的最大值，xmin表示所有图像值的最小值，μ表示超参数，xnormal表示图像经过normal化处理之后的值；
16、步骤a2：深度卷积特征抽象提取：
17、采用conv-network提取图像中的特征，捕捉图像局部信息，通过卷积核在图像上滑动并对每个局部区域进行加权求和，生成一个新的特征图：
18、conv-network包括conv、relu和m-pool 3个算子，conv通过滤波器在图像上进行局部感知，提取图像中的局部特征；relu通过引入非线性映射，学习复杂特征和决策边界；m-pool通过对特定区域的降采样减小图像的空间维度，减少模型的参数数量和计算复杂度；m-pool计算的公式为：
19、
20、其中i＝1,2,3…n，e表示指数函数，max表示获取最大函数的公式，xi表示所有的图像，xm-pool表示经过m-pool计算之后的图像内容；
21、步骤a3：全局智能注意力调控：
22、对步骤a2提取到的图像进行全局注意力调控，针对性地学习重要的局部信息，全局注意力调控的计算公式为：
23、ai，bi＝w(xi) (4)
24、xa＝a1*(b1，b2，...bi)+a2*(b1，b2，...bi)+....ai*(b1，b2，...bi) (5)
25、其中xi表示每个图像特征，w表示转换矩阵，ai，bi表示经过转换之后获得的矩阵，xa表示进行全局注意力调控之后获得的结果；
26、步骤a4：概率决策输出：
27、输出图像分类类别，通过计算所有的概率值，从中选择最大值作为本次图形预测的类型，输出公式为：
28、
29、其中xi表示经过特征提取后的值，表示对所有值求和，相除获得每个的概率值，argmax表示最大函数值，用于获取经过处理的最大值，out表示结果；
30、所述的通过实时训练模型更新机制的监测分类结果，不断优化算法参数，满足对新的图像数据和用户需求的适应性，包括：通过迭代学习方法，定期评估分类结果，自动调整模型参数，以及引入实时训练机制达到可持续性优化。
31、通过设置用于监控和管理图像分类的用户界面，使用户在用户界面进行上传图像、查看实时的分类结果和准确度指标的操作，满足用户的访问、交互和监控体验。
32、本专利技术还保护一种基于云计算的aic网络的图像分类系统，包括：
33、图像采集模块，用于获取大规模图像数据作为云计算平台的云端处理素材，其中包括通过设置云端用户图像上传接口以接入用户端图像数据；
34、分布式计算资源处理模块，用于基于云服务架构的云计算平台通过分布式计算资源处理图像数据；
35、图像分类模块，用于采用aic网络对云端图像数据进行分类，通过对图像数据进行深度学习特征的提取和学习，满足对复杂图像模式的识别和分类；
36、自适应模型优化反馈模块，用于通过实时训练模型更新机制的监测分类结果，不断优化算法参数，满足对新的图像数据和用户需求的适应性。
37、本专利技术还保护一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如上所述的基于云计算的aic网络的本文档来自技高网...
【技术保护点】
1.一种基于云计算的AIC网络的图像分类方法，其特征在于：获取大规模图像数据作为云计算平台的云端处理素材，其中包括通过设置云端用户图像上传接口以接入用户端图像数据；基于云服务架构的云计算平台通过分布式计算资源处理图像数据；采用AIC网络对云端图像数据进行分类，通过对图像数据进行深度学习特征的提取和学习，满足对复杂图像模式的识别和分类，并通过实时训练模型更新机制的监测分类结果，不断优化算法参数，满足对新的图像数据和用户需求的适应性。
2.根据权利要求1所述的基于云计算的AIC网络的图像分类方法，其特征在于：云计算平台的云端处理素材的图像数据还包括通过网络爬虫技术主动搜索和收集的相关领域内的图像信息；通过加密传输和加密存储技术对云计算平台的图像数据进行数据隐私保护。
3.根据权利要求1所述的基于云计算的AIC网络的图像分类方法，其特征在于：所述的分布式计算资源根据不同规模的图像数据灵活调整计算资源，使计算资源达到动态分配和弹性伸缩。
4.根据权利要求1所述的基于云计算的AIC网络的图像分类方法，其特征在于：所述的云计算平台利用分布式计算框架Tens
5.根据权利要求1所述的基于云计算的AIC网络的图像分类方法，其特征在于：所述的采用AIC网络对云端图像数据进行分类，通过对图像数据进行深度学习特征的提取和学习，满足对复杂图像模式的识别和分类，包含以下步骤：
6.根据权利要求1所述的基于云计算的AIC网络的图像分类方法，其特征在于：所述的通过实时训练模型更新机制的监测分类结果，不断优化算法参数，满足对新的图像数据和用户需求的适应性，包括：通过迭代学习方法，定期评估分类结果，自动调整模型参数，以及引入实时训练机制达到可持续性优化。
7.根据权利要求1所述的基于云计算的AIC网络的图像分类方法，其特征在于：通过设置用于监控和管理图像分类的用户界面，使用户在用户界面进行上传图像、查看实时的分类结果和准确度指标的操作，满足用户的访问、交互和监控体验。
8.一种基于云计算的AIC网络的图像分类系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如权利要求1-7任一项所述的基于云计算的AIC网络的图像分类方法。
10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序使计算机执行如权利要求1-7任一项所述的基于云计算的AIC网络的图像分类方法。
...【技术特征摘要】
1.一种基于云计算的aic网络的图像分类方法，其特征在于：获取大规模图像数据作为云计算平台的云端处理素材，其中包括通过设置云端用户图像上传接口以接入用户端图像数据；基于云服务架构的云计算平台通过分布式计算资源处理图像数据；采用aic网络对云端图像数据进行分类，通过对图像数据进行深度学习特征的提取和学习，满足对复杂图像模式的识别和分类，并通过实时训练模型更新机制的监测分类结果，不断优化算法参数，满足对新的图像数据和用户需求的适应性。
2.根据权利要求1所述的基于云计算的aic网络的图像分类方法，其特征在于：云计算平台的云端处理素材的图像数据还包括通过网络爬虫技术主动搜索和收集的相关领域内的图像信息；通过加密传输和加密存储技术对云计算平台的图像数据进行数据隐私保护。
3.根据权利要求1所述的基于云计算的aic网络的图像分类方法，其特征在于：所述的分布式计算资源根据不同规模的图像数据灵活调整计算资源，使计算资源达到动态分配和弹性伸缩。
4.根据权利要求1所述的基于云计算的aic网络的图像分类方法，其特征在于：所述的云计算平台利用分布式计算框架tensorflow实现对图像分类算法的并行计算。
5.根据权利要求1所述的基于云计算的aic网络的图像分类方法...
【专利技术属性】
技术研发人员：郑贝尔，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。