CN106528489A - 基于云计算的车辆检测机器学习系统 - Google Patents
基于云计算的车辆检测机器学习系统 Download PDFInfo
- Publication number
- CN106528489A CN106528489A CN201510580824.5A CN201510580824A CN106528489A CN 106528489 A CN106528489 A CN 106528489A CN 201510580824 A CN201510580824 A CN 201510580824A CN 106528489 A CN106528489 A CN 106528489A
- Authority
- CN
- China
- Prior art keywords
- machine learning
- vehicle detection
- cloud
- data
- detection machine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种实现车辆检测机器学习的方法和系统,其使用云计算平台提供运算能力、数据存储空间,并由使用者的管理工具自动启动、调用、关闭计算服务和复制数据文件。本申请提供一种实现车辆检测机器学习的方法,包括:应用持续集成工具启动、执行、关闭机器学习计算服务,控制云端数据存储服务,以及回传运算结果。本申请有效的利用云计算服务提供商的计算、存储设施,自动分配执行任务并传回计算结果,降低了独自建设这类机器学习系统的需求也减轻了小微企业的财务压力。
Description
技术领域
本申请涉及图像处理、云计算领域,尤其涉及一种基于云计算的车辆识别分类器训练系统。
背景技术
基于视频图像的车辆检测技术是智能交通系统重要的一部分,为许多应用提供车辆信息,如辅助驾驶系统、智能车等。目前采用的车辆检测方法主要有基于运动分析的方法、基于模型的方法和基于特征的方法。其中基于运动分析的方法和基于模型的方法已在实践中被证明有相当大的局限性。在基于特征的方法中,利用机器学习的方法训练得到的分类器将图像中前方车辆的一些特征来将车辆从背景中分割出来,常用的特征有阴影、边缘等,以及其他一些较为复杂的特征,如HOG(梯度直方图),LBP等。随着复杂特征的应用,基于特征的方法逐渐显示出其优势。然而,基于特征的方法中机器学习的步骤需要处理海量的样本数据,同时在系统的开发过程中需要对机器学习系统参数反复调整,样本数据也需要进行多次调整,这些都对机器学习系统的运算性能提出相当高的要求,而大量的小微企业或者个体用户无力承担建设这类系统的费用。
本申请提供了一种基于云计算的车辆检测机器学习系统,该系统使用云计算平台提供运算能力、数据存储空间,并由使用者的管理工具按需自动启动、调用、关闭计算服务和复制数据文件。本申请有效的利用云计算服务提供商的计算、存储设施,自动分配执行任务并传回计算结果,按需使用,按需付费,降低了独自建设这类机器学习系统的需求也减轻了小微企业的财务压力。
发明内容
本申请提供了一种实现车辆检测机器学习的方法和系统,其使用云计算平台提供运算能力、数据存储空间,并由使用者的管理工具自动启动、调用、关闭计算服务和复制数据文件。
根据本申请的一个实施例,提供一种实现车辆检测机器学习的方法,包括:应用持续集成工具启动、执行、关闭机器学习计算服务,控制云端数据存储服务,以及回传运算结果。
本申请有效的利用云计算服务提供商的计算、存储设施,自动分配执行任务并传回计算结果,降低了独自建设这类机器学习系统的需求也减轻了小微企业的财务压力。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本申请一个实施例的车辆检测机器学习的系统框图。
具体实施方式
本申请的主要思想在于提供一种实现车辆检测机器学习的方法和系统,该系统应用持续集成工具启动、执行、监控和关闭机器学习计算服务,控制云端数据存储服务,以及回传运算结果。
图1示出了本申请一个实施例的车辆检测机器学习的系统框图。
为使本申请的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本身做进一步的详细说明。
图中标出了该机器学习系统的用户S004,该用户需要通过大量的样本数据学习出分类器。
步骤S001为持续集成工具,如Jenkins,Hudson,Atlassian Bamboo等,其可以通过各种手段触发任务运行,例如提交给版本控制系统时被触发,或者以类似Cron的机制调度,或者通过一个特定的URL进行请求。
步骤S700中,用户S004通过持续集成工具提供的可视化用户界面触发持续集成工具运行命令或者设定定时触发时间。
持续集成工具S001在收到用户的启动任务的命令后,向云计算服务提供商提出云计算服务S002请求,请求类型包括启动、停止主机,开始、暂停、终止机器学习计算等。
云计算服务S002为云计算服务提供商所提供的可配置的虚拟主机服务,不失一般性的,如亚马逊的EC2,阿里云的ECS等。该虚拟主机可提供拥有弹性配置选择的计算性能,按需起停的功能。
步骤S100中所示的请求方式与所采用的云计算服务提供商相关,不失一般性的,如亚马逊的云计算服务可以通过其提供的软件开发工具包完成。
云存储服务S003为用户数据提供存储空间,同时可加快用户与云计算服务S002中虚拟主机间的数据传输速率,不失一般的,如亚马逊的Simple Storage Service
(S3),阿里云的Open Storage Service(OSS)等。一般的,云存储服务S003通过软件开发工具包(SDK)提供数据访问方法,其写入、读出可采用SDK方式,也可采用特定的统一资源定位符(URI)等。用户数据存储于云存储服务S003以原始数据S0030和元数据S0031联合方式保存。原始数据S0030对应于分割出的样本图像数据,而元数据S0031则描述了车辆对象位于样本图像数据中的位置、大小、种类等信息即样本图像的描述数据。
步骤S200中,云计算服务S002通过云存储服务S003提供的SDK请求用户存储的样本数据,包括但不限于,正、负样本图像,样本元数据,样本特征数据,样本标注数据等。在完成机器学习任务后,云计算服务S002通过云存储服务S003提供的SDK回传相应的计算结果。
步骤S400用户可以通过云存储服务S003提供的工具软件下载计算结果信息,同时提供用户可视的方式浏览、选择、删除云存储服务S003中所保存的原始数据S0030和元数据S0031,以及编辑元数据S0031的功能。
步骤S500,S600,S700中用户可以通过登录主机、访问web页面等方式监控服务运行状态。
在一个典型的配置中,虚拟主机包括一个或多个处理器(CPU)、输入/输出接口、 网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法 或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。 计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPR0M)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本说明书中的各个实施例一般采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块或单元。一般地,程序模块或单元可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。一般来说,程序模块或单元可以由软件、硬件或两者的结合来实现。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块或单元可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后,还需要说明的是,术语"包括"、"包含"或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的 要素。在没有更多限制的情况下,由语句"包括一个……"限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序 产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说 明只是用于帮助理解本申请的方法及其主要思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种实现车辆检测机器学习的方法,其特征在于,包括1)持续集成工具模块启动、执行、监控和关闭机器学习计算服务;2)云计算服务模块接收持续集成工具指令启动、停止,访问数据存储模块,完成机器学习计算功能,向云存储服务模块写回数据;3)云端数据存储服务模块提供用户数据的存储与管理功能,以及向用户回传运算结果;4)用户可在线调整云存储模块中的数据以调整机器学习运算所需的参数。
2.根据权利要求1所述的一种实现车辆检测机器学习的方法,其特征在于,持续集成工具为一种软件工具,它可以通过各种手段触发任务运行,例如提交给版本控制系统时被触发,或者以类似Cron的机制调度,或者通过一个特定的URL进行请求。
3.根据权利要求1所述的一种实现车辆检测机器学习的方法,其特征在于,所述云计算服务模块为云服务提供商所提供的配置、性能可选的虚拟主机系统。
4.根据权利要求1所述的一种实现车辆检测机器学习的方法,其特征在于,所述云存储服务为云服务提供商所提供的在线数据存储模块。
5.根据权利要求1所述的一种实现车辆检测机器学习的方法,其特征在于,用户通过软件工具在线访问、修改云存储服务中已存储的数据。
6.根据权利要求1所述的一种实现车辆检测机器学习的方法,其特征在于,相同的系统可用于但不限于手掌、头部等其他基于图像的目标检测的机器学习系统。
7.一种实现车辆检测机器学习的系统,其特征在于,包括1)持续集成工具模块启动、执行、监控和关闭机器学习计算服务;2)云计算服务模块接收持续集成工具指令启动、停止,访问数据存储模块,完成机器学习计算功能,向云存储服务模块写回数据;3)云端数据存储服务模块提供用户数据的存储与管理功能,以及向用户回传运算结果;4)用户可在线调整云存储模块中的数据以调整机器学习运算所需的参数。
8.根据权利要求7所述的一种实现车辆检测机器学习的系统,其特征在于,持续集成工具为一种软件工具,它可以通过各种手段触发任务运行,例如提交给版本控制系统时被触发,或者以类似Cron的机制调度,或者通过一个特定的URL进行请求。
9.根据权利要求7所述的一种实现车辆检测机器学习的系统,其特征在于,所述云计算服务模块为云服务提供商所提供的配置、性能可选的虚拟主机系统。
10.根据权利要求7所述的一种实现车辆检测机器学习的系统,其特征在于,所述云存储服务为云服务提供商所提供的在线数据存储模块。
11.根据权利要求7所述的一种实现车辆检测机器学习的系统,其特征在于,用户通过软件工具在线访问、修改云存储服务中已存储的数据。
12.根据权利要求7所述的一种实现车辆检测机器学习的系统,其特征在于,相同的系统可用于但不限于手掌、头部等其他基于图像的目标检测的机器学习系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510580824.5A CN106528489A (zh) | 2015-09-14 | 2015-09-14 | 基于云计算的车辆检测机器学习系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510580824.5A CN106528489A (zh) | 2015-09-14 | 2015-09-14 | 基于云计算的车辆检测机器学习系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106528489A true CN106528489A (zh) | 2017-03-22 |
Family
ID=58348945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510580824.5A Pending CN106528489A (zh) | 2015-09-14 | 2015-09-14 | 基于云计算的车辆检测机器学习系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106528489A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832739A (zh) * | 2019-04-18 | 2020-10-27 | 中科寒武纪科技股份有限公司 | 一种数据处理方法及相关产品 |
US11847554B2 (en) | 2019-04-18 | 2023-12-19 | Cambricon Technologies Corporation Limited | Data processing method and related products |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782976A (zh) * | 2010-01-15 | 2010-07-21 | 南京邮电大学 | 一种云计算环境下机器学习自动选择方法 |
CN102055730A (zh) * | 2009-11-02 | 2011-05-11 | 华为终端有限公司 | 云处理系统、云处理方法和云计算代理装置 |
CN102411766A (zh) * | 2011-12-29 | 2012-04-11 | 国网信息通信有限公司 | 电力系统数据分析平台及方法 |
CN104202417A (zh) * | 2014-09-16 | 2014-12-10 | 腾讯科技(深圳)有限公司 | 基于云计算的信息处理方法、客户端、云服务器及系统 |
-
2015
- 2015-09-14 CN CN201510580824.5A patent/CN106528489A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102055730A (zh) * | 2009-11-02 | 2011-05-11 | 华为终端有限公司 | 云处理系统、云处理方法和云计算代理装置 |
CN101782976A (zh) * | 2010-01-15 | 2010-07-21 | 南京邮电大学 | 一种云计算环境下机器学习自动选择方法 |
CN102411766A (zh) * | 2011-12-29 | 2012-04-11 | 国网信息通信有限公司 | 电力系统数据分析平台及方法 |
CN104202417A (zh) * | 2014-09-16 | 2014-12-10 | 腾讯科技(深圳)有限公司 | 基于云计算的信息处理方法、客户端、云服务器及系统 |
Non-Patent Citations (2)
Title |
---|
严羽平等: "基于云平台的软件自动持续集成研究", 《信息通信技术》 * |
陈侃: "Jienkins入门ABC(大纲)", 《HTTPS://GITHUB.COM/CHENKAN/NI/ISSUES/3》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832739A (zh) * | 2019-04-18 | 2020-10-27 | 中科寒武纪科技股份有限公司 | 一种数据处理方法及相关产品 |
US11762690B2 (en) | 2019-04-18 | 2023-09-19 | Cambricon Technologies Corporation Limited | Data processing method and related products |
US11847554B2 (en) | 2019-04-18 | 2023-12-19 | Cambricon Technologies Corporation Limited | Data processing method and related products |
CN111832739B (zh) * | 2019-04-18 | 2024-01-09 | 中科寒武纪科技股份有限公司 | 一种数据处理方法及相关产品 |
US11934940B2 (en) | 2019-04-18 | 2024-03-19 | Cambricon Technologies Corporation Limited | AI processor simulation |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10810316B2 (en) | Updating monitoring systems using merged data policies | |
US10586070B2 (en) | Privacy protection in captured image for distribution | |
US11368503B2 (en) | Automated video positioning during virtual conferencing | |
US9886398B2 (en) | Implicit sharing in storage management | |
US20200050583A1 (en) | Storing and retrieving restricted datasets to and from a cloud network with non-restricted datasets | |
US9558255B2 (en) | Managing replication configuration availability | |
US20170293593A1 (en) | Managing node pagination for a graph data set | |
US11782913B2 (en) | AI-based data virtualization | |
US20180046550A1 (en) | Pre-filtering of join execution over multi-column range summaries and other synopses | |
US11455574B2 (en) | Dynamically predict optimal parallel apply algorithms | |
US20210081265A1 (en) | Intelligent cluster auto-scaler | |
CN106528489A (zh) | 基于云计算的车辆检测机器学习系统 | |
US10013182B2 (en) | Performance oriented data deduplication and duplication | |
US11321374B2 (en) | External storage of unstructured database objects | |
US11093477B1 (en) | Multiple source database system consolidation | |
US20200350032A1 (en) | Data and memory reorganization | |
US10423873B2 (en) | Information flow analysis for conversational agents | |
US20230121238A1 (en) | Dynamic virtual network access | |
US11188455B2 (en) | Media import and export in storage management systems | |
US20180060886A1 (en) | Market share prediction with shifting consumer preference | |
US10833945B2 (en) | Managing downloading of content | |
US20200193231A1 (en) | Training Model Generation | |
US20200159835A1 (en) | Methods and systems for managing content storage | |
US11321353B2 (en) | Dynamic roll-over of source and target latency in a replication environment | |
US20190149554A1 (en) | Protecting data at an object level |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170322 |