CN111142866A - 一种深度学习智能算法流程快速构建系统 - Google Patents

一种深度学习智能算法流程快速构建系统 Download PDF

Info

Publication number
CN111142866A
CN111142866A CN201911416047.5A CN201911416047A CN111142866A CN 111142866 A CN111142866 A CN 111142866A CN 201911416047 A CN201911416047 A CN 201911416047A CN 111142866 A CN111142866 A CN 111142866A
Authority
CN
China
Prior art keywords
canvas
deep learning
flow
instruction
component
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
Application number
CN201911416047.5A
Other languages
English (en)
Inventor
侍国斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Matrixtime Robotics Shanghai Co ltd
Original Assignee
Matrixtime Robotics Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matrixtime Robotics Shanghai Co ltd filed Critical Matrixtime Robotics Shanghai Co ltd
Priority to CN201911416047.5A priority Critical patent/CN111142866A/zh
Publication of CN111142866A publication Critical patent/CN111142866A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/34—Graphical or visual programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/38—Creation or generation of source code for implementing user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
    • G06F9/44526—Plug-ins; Add-ons

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Stored Programmes (AREA)

Abstract

本发明涉及一种深度学习智能算法流程快速构建系统，包括：组件数据库，用于存储不同智能算法的流程组件；画布模块，响应于画布操作指令，对用于放置流程组件的算法流程画布进行处理；组件操作模块，响应于组件操作指令，对流程组件进行处理，在所述算法流程画布中构建深度学习智能算法流程。与现有技术相比，本发明可实现构建深度学习算法流程高复用和可视化，具有提高开发效率等优点。

Description

一种深度学习智能算法流程快速构建系统
技术领域
本发明涉及一种计算机实现系统，尤其是涉及一种深度学习智能算法流程快速构建系统。
背景技术
人工智能的迅速发展正在深刻改变人类社会生活、改变世界，其技术和应用正逐步进入商用的阶段。近几年来，深度学习作为一种实现人工智能的技术，正经历快速发展的过程。然而，在深度学习算法在商用产品/项目应用的过程中，最大的难题是不懂深度学习智能算法的算法工程师需要很长的知识学习成本，才能够构建出一个深度学习智能算法流程；然而在实验室中的人工智能科学家对于产品/项目中的流程也极并不了解，对于构建深度学习智能算法流程也有困难。
目前解决这个问题的常规方案是成立两个部门，一个是由人工智能科学家组成的，一个是由算法工程师组成的，然后俩部门互相学习对方的知识来共同完成构建深度学习智能算法流程这个任务。但是这个方案的需求支撑耗时长、效率低，多个产品/项目需求在不同部门中汇聚进行排队处理，人力投入大，支撑费用高。常规方案使得构建深度学习智能算法流程的全过程极其混乱，不透明、且灵活性较弱，需求谈论时间长，人员耗费精力大。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷而提供一种深度学习智能算法流程快速构建系统。
本发明的目的可以通过以下技术方案来实现：
一种深度学习智能算法流程快速构建系统，包括：
组件数据库，用于存储不同智能算法的流程组件；
画布模块，响应于画布操作指令，对用于放置流程组件的算法流程画布进行可视化及处理；
组件操作模块，响应于组件操作指令，对流程组件进行处理，在所述算法流程画布中构建深度学习智能算法流程。
进一步地，所述组件操作指令包括添加指令、配置指令、删除指令和连接建立指令，所述添加指令为拖拽式指令，所述连接建立指令为拖拉式指令。
进一步地，响应所述添加指令时，将组件数据库中的指定流程组件添加显示至所述算法流程画布中；
响应所述删除指令时，将所述算法流程画布中已有的对应流程组件删除。
进一步地，在所述指定流程组件添加显示至算法流程画布中时，显示对该指定流程组件的配置窗口。
进一步地，响应所述配置指令后，对流程组件的配置参数进行规格检查；
检查合格后，在对应流程组件上显示输入节点和输出节点。
进一步地，响应所述连接建立指令时，显示不同流程组件输入节点或输出节点的连接关系。
进一步地，所述画布操作指令包括画布显示指令、画布缩放指令和画布移动指令。
进一步地，响应所述画布移动指令时，算法流程画布中已有的流程组件与算法流程画布同步移动。
进一步地，还包括：
合法校验模块，对构建的深度学习智能算法流程进行数据合法性校验。
进一步地，所述流程组件包括输入数据处理组件、深度学习模型组件和算法评估组件。
与现有技术相比，本发明具有如下有益效果：
1、本发明可以更高效率的组建算法流程，并且使用门槛更低，并有debug模式使得修正算法流程达到预期效果。
2、本发明从选择使用算法组件、构建算法流程、配置算法参数等方式改变了传统的工作模式，将繁琐、复杂的代码开发转变为前台简单的拖、拉、拽的自助模式，让编程基础不强的人也可以调试深度学习算法流程，用户能够轻松地体验到将深度学习算法研究和构建算法流程解耦所带来的便利。
3、本发明采用各个组件技术实现上独立的，但组件之间可以根据配置不同参数进行相互联动，并通过前端可视化实现自定义拖拉拽，后端有明确的组件定义和组件之间的关系定义，简单可靠。
4、本发明可以很好的解决现有工期长、需求反馈慢、提高了开发效率并给予了灵活多变的人机交互形式。
5、本发明有助于解决项目工程人员和人工智能研究人员在深度学习算法上的知识鸿沟，融合双方的价值，将深度学习算法流程的价值最大化。
附图说明
图1为本发明的使用流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本发明提供一种深度学习智能算法流程快速构建系统，包括组件数据库、画布模块和组件操作模块，其中，组件数据库用于存储不同智能算法的流程组件；画布模块响应于画布操作指令，对用于放置流程组件的算法流程画布进行可视化及处理；组件操作模块响应于组件操作指令，对流程组件进行处理，在所述算法流程画布中构建深度学习智能算法流程。
组件数据库中的每一组件数据库具有对应组件的说明面板，可供用户查看。所述流程组件包括输入数据处理组件、深度学习模型组件和算法评估组件。
组件操作指令包括添加指令、配置指令、删除指令和连接建立指令，所述添加指令为拖拽式指令，所述连接建立指令为拖拉式指令。
1)添加指令
响应所述添加指令时，将组件数据库中的指定流程组件添加显示至所述算法流程画布中。
2)删除指令
响应所述删除指令时，将所述算法流程画布中已有的对应流程组件删除，与该流程组件相连的连接线同时被删除。
3)配置指令
在所述指定流程组件添加显示至算法流程画布中时，显示对该指定流程组件的配置窗口。
响应所述配置指令后，对流程组件的配置参数进行规格检查，检查合格后，在对应流程组件上显示输入节点和输出节点。
为了提高用户体验性，可以流程组件配置完成前后用不同颜色加以区分。如流程组件设置为“完成配置”时，在组件左上角显示绿色标记，流程组件设置为“未完成配置”时，在组件左上角显示红色标记。
该系统中对深度学习算法所需的配置分成3个方向：
1.输入数据的采样算法，数据增强算法；
2.训练过程中的算法构建模型的参数以及深度学习训练参数；
3.输出模型的算法评估参数。
4)连接建立指令
响应所述连接建立指令时，显示不同流程组件输入节点或输出节点的连接关系。在流程画布中，单击需要输出的流程组件的输出节点，系统生成连接线，单击并拖拉至需要输入的流程组件的输入节点，完成两个流程组件的连接。
仅当连接两端流程组件为绿灯状态，方可进行连接。在连接过程中，连接线仅可从流程组件的输出节点生成。
线条颜色显示：当连线完成后，对连接线两端的输入点和输出点进行数据类型检查。如果数据类型一致，则显示为绿线，如果类型不一致，则显示为红线。
删除连接：在流程画布中，删除连接线，连接线删除后，连接的流程组件不同步删除。
画布操作指令包括画布显示指令、画布缩放指令和画布移动指令。响应所述画布移动指令时，算法流程画布中已有的流程组件与算法流程画布同步移动。在所述画布缩放指令中，
该快速构建系统还可包括合法校验模块，对构建的深度学习智能算法流程进行数据合法性校验。
实施例：构建识别车轮毂类型的深度学习算法流程
步骤一：训练车轮毂分类器
使用当前应用最为广泛的CNN特征提取网络RESNET，作为图像分类器学习如何分类车轮毂，得到一个效果良好的分类器。
步骤二：在画布中添加输入组件
将输入组件拖拉拽至算法流程画布中，将需要用来推理的图片地址配置入组件中。
该组件左上角灯亮绿色。
步骤三：在画布中添加输出组件
将输出组件拖拉拽至算法流程画布中，将需要用于输出(或者界面显示的)的格式配置入组件中。
该组件左上角灯亮绿色。
步骤四：在画布中添加深度学习算法
将深度学习算法拖拉拽至算法流程画布中，将训练好的分类器配置入组件中。
该组件左上角灯亮绿色。
步骤五：连接组件
将输入组件、深度学习算法、输出组件依次由上一个组件的输入连接下一个组建的输出。
连接线都呈现绿色。
步骤五：完成构建深度学习算法流程。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种深度学习智能算法流程快速构建系统，其特征在于，包括：
组件数据库，用于存储不同智能算法的流程组件；
画布模块，响应于画布操作指令，对用于放置流程组件的算法流程画布进行可视化及处理；
组件操作模块，响应于组件操作指令，对流程组件进行处理，在所述算法流程画布中构建深度学习智能算法流程。
2.根据权利要求1所述的深度学习智能算法流程快速构建系统，其特征在于，所述组件操作指令包括添加指令、配置指令、删除指令和连接建立指令，所述添加指令为拖拽式指令，所述连接建立指令为拖拉式指令。
3.根据权利要求1所述的深度学习智能算法流程快速构建系统，其特征在于，响应所述添加指令时，将组件数据库中的指定流程组件添加显示至所述算法流程画布中；
响应所述删除指令时，将所述算法流程画布中已有的对应流程组件删除。
4.根据权利要求3所述的深度学习智能算法流程快速构建系统，其特征在于，在所述指定流程组件添加显示至算法流程画布中时，显示对该指定流程组件的配置窗口。
5.根据权利要求1所述的深度学习智能算法流程快速构建系统，其特征在于，响应所述配置指令后，对流程组件的配置参数进行规格检查；
检查合格后，在对应流程组件上显示输入节点和输出节点。
6.根据权利要求5所述的深度学习智能算法流程快速构建系统，其特征在于，响应所述连接建立指令时，显示不同流程组件输入节点或输出节点的连接关系。
7.根据权利要求1所述的深度学习智能算法流程快速构建系统，其特征在于，所述画布操作指令包括画布显示指令、画布缩放指令和画布移动指令。
8.根据权利要求7所述的深度学习智能算法流程快速构建系统，其特征在于，响应所述画布移动指令时，算法流程画布中已有的流程组件与算法流程画布同步移动。
9.根据权利要求1所述的深度学习智能算法流程快速构建系统，其特征在于，还包括：
合法校验模块，对构建的深度学习智能算法流程进行数据合法性校验。
10.根据权利要求1所述的深度学习智能算法流程快速构建系统，其特征在于，所述流程组件包括输入数据处理组件、深度学习模型组件和算法评估组件。
CN201911416047.5A 2019-12-31 2019-12-31 一种深度学习智能算法流程快速构建系统 Pending CN111142866A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911416047.5A CN111142866A (zh) 2019-12-31 2019-12-31 一种深度学习智能算法流程快速构建系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911416047.5A CN111142866A (zh) 2019-12-31 2019-12-31 一种深度学习智能算法流程快速构建系统

Publications (1)

Publication Number Publication Date
CN111142866A true CN111142866A (zh) 2020-05-12

Family

ID=70522732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911416047.5A Pending CN111142866A (zh) 2019-12-31 2019-12-31 一种深度学习智能算法流程快速构建系统

Country Status (1)

Country Link
CN (1) CN111142866A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106959851A (zh) * 2017-03-03 2017-07-18 同济大学 一种面向人工智能研究的模块化可编程分布式交互系统
US20180018167A1 (en) * 2016-07-15 2018-01-18 Microsoft Technology Licensing, Llc Transforming data manipulation code into data workflow
CN108881446A (zh) * 2018-06-22 2018-11-23 深源恒际科技有限公司 一种基于深度学习的人工智能平台系统
JP2019003603A (ja) * 2017-04-10 2019-01-10 株式会社クロスコンパス 人工知能モジュール開発方法、人工知能モジュール開発システム及び人工知能モジュール開発統合システム
CN109901824A (zh) * 2019-02-27 2019-06-18 愚夫智学教育科技(深圳)有限公司 一种基于深度学习的数据处理方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180018167A1 (en) * 2016-07-15 2018-01-18 Microsoft Technology Licensing, Llc Transforming data manipulation code into data workflow
CN106959851A (zh) * 2017-03-03 2017-07-18 同济大学 一种面向人工智能研究的模块化可编程分布式交互系统
JP2019003603A (ja) * 2017-04-10 2019-01-10 株式会社クロスコンパス 人工知能モジュール開発方法、人工知能モジュール開発システム及び人工知能モジュール開発統合システム
CN108881446A (zh) * 2018-06-22 2018-11-23 深源恒际科技有限公司 一种基于深度学习的人工智能平台系统
CN109901824A (zh) * 2019-02-27 2019-06-18 愚夫智学教育科技(深圳)有限公司 一种基于深度学习的数据处理方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王岳青;窦勇;吕启;李宝峰;李腾;: "DLPF:基于异构体系结构的并行深度学习编程框架" *

Similar Documents

Publication Publication Date Title
US11587300B2 (en) Method and apparatus for generating three-dimensional virtual image, and storage medium
CN107945118A (zh) 一种基于生成式对抗网络的人脸图像修复方法
US20210216806A1 (en) Fully automatic natural image matting method
CN110399518A (zh) 一种基于图卷积的视觉问答增强方法
CN108229268A (zh) 表情识别及卷积神经网络模型训练方法、装置和电子设备
CN106651301A (zh) 流程监控的方法及装置
CN111401562B (zh) 一种终端界面中量子线路的运行方法及装置
CN104821005A (zh) 可模拟笔势风格的汉字书法作品书写过程动态复现的方法
CN109002879A (zh) 神经网络模型的可视化建模方法和装置
CN108460399A (zh) 一种儿童积木搭建辅助方法及系统
CN107274378A (zh) 一种融合记忆cnn的图像模糊类型识别及参数整定方法
CN104537903A (zh) 交互式透射电子显微镜虚拟仿真教学系统与方法
CN109471626A (zh) 页面逻辑结构、页面生成方法、页面数据处理方法及装置
CN106960036A (zh) 一种用于手势识别的数据库建立方法
CN112927328A (zh) 表情迁移方法、装置、电子设备及存储介质
CN109670042A (zh) 一种基于递归神经网络的试题分类及难度分级方法
CN107392229A (zh) 一种基于最面向社会关系抽取的网络表示方法
CN111142866A (zh) 一种深度学习智能算法流程快速构建系统
CN106991191A (zh) 商品筛选方法及装置、存储介质、电子设备
CN111934915A (zh) 一种网络节点排序的显示方法及装置
CN116524475A (zh) 生成推荐妆容的方法及装置、车辆、电子设备和存储介质
CN116402157A (zh) 一种拖拽式机器学习节点可视化调度平台及其方法
CN211016024U (zh) 一种用于车辆驾驶仿真的虚拟现实仿真系统
CN109800707A (zh) 一种基于cnn模型的人脸识别方法、装置及存储介质
CN106647411A (zh) 信息物理融合系统CPS的Agent构造方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination