CN112068854A - 智能设备算法更新系统、智能设备及平台服务器 - Google Patents

智能设备算法更新系统、智能设备及平台服务器 Download PDF

Info

Publication number
CN112068854A
CN112068854A CN201910498091.9A CN201910498091A CN112068854A CN 112068854 A CN112068854 A CN 112068854A CN 201910498091 A CN201910498091 A CN 201910498091A CN 112068854 A CN112068854 A CN 112068854A
Authority
CN
China
Prior art keywords
algorithm model
client
application algorithm
platform server
application
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.)
Granted
Application number
CN201910498091.9A
Other languages
English (en)
Other versions
CN112068854B (zh
Inventor
张晓奇
周伯达
蔡博振
张鹏举
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201910498091.9A priority Critical patent/CN112068854B/zh
Publication of CN112068854A publication Critical patent/CN112068854A/zh
Application granted granted Critical
Publication of CN112068854B publication Critical patent/CN112068854B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/60Software deployment
    • G06F8/65Updates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本申请实施例提供了智能设备算法更新系统、智能设备及平台服务器,在客户端登录平台服务器后,平台服务器向客户端展示各预设算法;客户端在平台服务器的各预设算法中选取目标算法,并向平台服务器发送待训练的样本数据;平台服务器接收客户端发送的样本数据,通过样本数据对目标算法进行训练,得到应用算法模型;客户端向平台服务器发送应用算法模型的下载请求;平台服务器在接收到应用算法模型的下载请求后,向目标智能设备发送应用算法模型;智能设备接收平台服务器发送的应用算法模型,以完成智能设备的算法更新。能够增加智能设备对碎片化应用场景的适用性。

Description

智能设备算法更新系统、智能设备及平台服务器
技术领域
本申请涉及计算机技术领域,特别是涉及智能设备算法更新系统、智能设备及平台服务器。
背景技术
随着AI(Artificial Intelligence,人工智能)技术的不断发展,智能设备应用场景越来越多样化。生产AI智能设备的厂商,会根据不同的场景进行产品定制化,例如,应用在检测人员的场景中,需要在智能设备中内置检测人员的算法和人员的模型;对于检测车辆的场景中,需要在智能中内置的检测车辆的算法和车辆的模型。
相关技术中,厂商通常会针对不同识别目标生产不同的产品系列。但是采用此种方法,无法适用于小众用户,这是因为针对小众用户生产一种系列的智能设备,生产成本过高。并且鉴于算法的影响一种系列的产品只能应用在出厂时固定化的场景中,无法更变应用场景。因此上述方法中的智能产品无法适用于碎片化应用场景。
发明内容
本申请实施例的目的在于提供一种智能设备算法更新系统、智能设备及平台服务器,以实现增加智能设备对碎片化应用场景的适用性。具体技术方案如下:
第一方面,本申请实施例提供了一种智能设备算法更新系统,所述系统包括:
客户端、智能设备及平台服务器;
所述客户端用于:在登录所述平台服务器后,在所述平台服务器的各预设算法中选取目标算法;并向所述平台服务器发送待训练的样本数据;
所述平台服务器用于:在所述客户端登录后,向所述客户端展示各预设算法,接收所述客户端发送的所述样本数据,通过所述样本数据对所述目标算法进行训练,得到应用算法模型;
所述客户端还用于:向所述平台服务器发送所述应用算法模型的下载请求,其中,所述应用算法模型的下载请求包括待下载所述应用算法模型的目标智能设备的标识;
所述平台服务器还用于:在接收到所述应用算法模型的下载请求后,向所述目标智能设备发送所述应用算法模型;
所述智能设备用于:接收所述平台服务器发送的所述应用算法模型,以完成所述智能设备的算法更新。
可选的,所述目标智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:生成所述应用算法模型的模型属性信息,其中,所述应用算法模型的模型属性信息包括所述账户信息;关联存储所述应用算法模型及所述应用算法模型的属性信息。
可选的,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待下载应用算法模型,向所述平台服务器发送第一智能设备下载所述待下载应用算法模型的第一下载请求,其中,所述第一智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:在接收到第一下载请求后,向所述第一智能设备发送所述待下载应用算法模型。
可选的,所述客户端还用于:获取待绑定智能设备的标识,向所述平台服务器发送设备绑定消息,其中,所述设备绑定消息包括待绑定智能设备的标识;
所述平台服务器还用于:接收所述设备绑定消息,在所述设备绑定消息通过认证后,按照所述待绑定智能设备的标识,绑定所述客户端当前登录账户与所述待绑定智能设备。
可选的,所述客户端还用于:向所述平台服务器发送应用模型查询指令;
所述平台服务器还用于:在接收到所述客户端当前登录账户的应用模型查询指令后,按照所述属性信息中的账户信息,向所述客户端展示所述客户端当登录账户的各所述应用算法模型。
可选的,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待更新应用算法模型,向所述平台服务器发送所述待更新应用算法模型的更新请求及更新样本;
所述平台服务器还用于:在接收到所述待更新应用算法模型的更新请求及更新样本后,通过所述更新样本对所述待更新应用算法模型进行训练,得到更新后的应用算法模型。
可选的,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待删除应用算法模型,向所述平台服务器发送所述待删除应用算法模型的删除请求;
所述平台服务器还用于:在接收到所述待删除应用算法模型的删除请求后,删除所述待删除应用算法模型。
可选的,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待删除应用算法模型,向所述平台服务器发送第二智能设备删除所述待删除应用算法模型的第一删除请求,其中,所述第二智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:在接收到第一删除请求后,向所述第二智能设备发送所述待删除应用算法模型的删除指令;
所述智能设备还用于:在获取到所述待删除应用算法模型的删除指令后,删除所述待删除应用算法模型。
可选的,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待更新应用算法模型,向所述平台服务器发送第三智能设备更新所述待更新应用算法模型的第一更新请求,其中,所述第三智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:在接收到第一更新请求后,向所述第三智能设备发送所述待更新应用算法模型的更新数据;
所述智能设备还用于:在获取到所述待更新应用算法模型的更新数据后,更新所述待更新应用算法模型。
可选的,所述客户端还用于:在登录所述智能设备后,向所述智能设备发送所述客户端本地的应用算法模型;
所述智能设备还用于:接收所述客户端发送的所述客户端本地的应用算法模型,以完成所述智能设备的算法更新。
可选的,所述客户端还用于:在登录所述智能设备后,获取所述智能设备的应用算法模型列表;在所述智能设备的应用算法模型列表中,确定待删除的第一应用算法模型,向所述智能设备发送所述第一应用算法模型的删除指令;
所述智能设备还用于:在接收到所述第一应用算法模型的删除指令后,删除所述第一应用算法模型。
可选的,所述客户端还用于:在登录所述智能设备后,获取所述智能设备的应用算法模型列表;在所述智能设备的应用算法模型列表中,确定待更新的第二应用算法模型,向所述智能设备发送所述第二应用算法模型的更新指令及更新数据;
所述智能设备还用于:在接收到所述第二应用算法模型的更新指令后,按照所述第二应用算法模型的更新数据,更新所述第二应用算法模型。
第二方面,本申请实施例提供了一种智能设备,包括:
存储器及处理器;
所述存储器用于存储计算机程序;
所述处理器用于在执行所述存储器中存储的计算机程序时,实现如下步骤:
接收平台服务器发送的应用算法模型,将所述算法模型存储在所述存储器中;
其中,生成所述应用算法模型的生成步骤包括:
在客户端在登录所述平台服务器后,所述平台服务器向所述客户端展示各预设算法;所述客户端在所述平台服务器的各预设算法中选取目标算法,并向所述平台服务器发送待训练的样本数据;所述平台服务器接收所述客户端发送的所述样本数据,通过所述样本数据对所述目标算法进行训练,得到所述应用算法模型;所述客户端向所述平台服务器发送所述应用算法模型的下载请求,其中,所述应用算法模型的下载请求包括待下载所述应用算法模型的目标智能设备的标识;所述平台服务器在接收到所述应用算法模型的下载请求后,向所述目标智能设备发送所述应用算法模型。
第三方面,本申请实施例提供了一种平台服务器,包括:
存储器及处理器;
所述存储器用于存储计算机程序;
所述处理器用于在执行所述存储器中存储的计算机程序时,实现如下步骤:
在客户端登录所述平台服务器后,向所述客户端展示各预设算法;
获取所述客户端发送的目标算法的训练指令及样本数据,通过所述样本数据对所述目标算法进行训练,得到应用算法模型,其中,所述目标算法为所述各预设算法中模型;
在接收到所述客户端发送的针对目标智能设备的应用算法模型的下载请求后,向所述目标智能设备发送所述应用算法模型。
本申请实施例提供的智能设备算法更新系统、智能设备及平台服务器,在客户端登录平台服务器后,平台服务器向客户端展示各预设算法;客户端在平台服务器的各预设算法中选取目标算法,并向平台服务器发送待训练的样本数据;平台服务器接收客户端发送的样本数据,通过样本数据对目标算法进行训练,得到应用算法模型;客户端向平台服务器发送应用算法模型的下载请求,其中,应用算法模型的下载请求包括待下载应用算法模型的目标智能设备的标识;平台服务器在接收到应用算法模型的下载请求后,向目标智能设备发送应用算法模型;智能设备接收平台服务器发送的应用算法模型,以完成智能设备的算法更新。针对不同的碎片化应用场景,可以选取相应的预设算法,通过户提供的相应的样本数据训练选取的预设算法,并将训练好的应用算法模型发送给智能设备,能够得到针对不同碎片化应用场景的智能算法,能够增加智能设备对碎片化应用场景的适用性。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的智能设备算法更新系统的一种示意图;
图2为本申请实施例的智能设备算法更新系统中智能设备报警的一种示意图;
图3a为本申请实施例的智能设备算法更新系统中平台服务器存储应用算法模型的一种示意图;
图3b为本申请实施例的智能设备算法更新系统中在智能设备中添加应用算法模型的第一种示意图;
图4a为本申请实施例的智能设备算法更新系统中在账户注册的一种示意图;
图4b为本申请实施例的智能设备算法更新系统中在智能设备注册的一种示意图;
图4c为本申请实施例的智能设备算法更新系统中在账户绑定智能设备的一种示意图;
图5为本申请实施例的智能设备算法更新系统中客户端展示当前登录账户应用算法模型展示信息的一种示意图;
图6a为本申请实施例的智能设备算法更新系统中在平台服务器中更新应用算法模型的一种示意图;
图6b为本申请实施例的智能设备算法更新系统中在智能设备中更新应用算法模型的第一种示意图;
图7a为本申请实施例的智能设备算法更新系统中在平台服务器中删除应用算法模型的一种示意图;
图7b为本申请实施例的智能设备算法更新系统中在智能设备中删除应用算法模型的第一种示意图;
图8为本申请实施例的智能设备算法更新系统中在智能设备中添加应用算法模型的第二种示意图;
图9为本申请实施例的智能设备算法更新系统中在智能设备中删除应用算法模型的第二种示意图;
图10为本申请实施例的智能设备算法更新系统中在智能设备中更新应用算法模型的第二种示意图;
图11为本申请实施例的智能设备的一种示意图;
图12为本申请实施例的平台服务器的一种示意图。
具体实施方式
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的所有其他实施例,都属于本申请保护的范围。
首先,对本申请实施例中的专业术语进行解释:
硬件:本方案中是指为了实现智能功能,用户购买的具有智能处理能力的硬件设备。
算法:是指将数字图像抽象为软件模型的智能算法,比如编号1代表车辆,那么怎么将一张车辆的图片,和编号1建立对应关系,这个处理过程就是算法。通常需要经过多次卷积算法等神经网络算法。
模型:通俗来讲就是一组数据集,这组数据集标识某一类的检测结果。比如车辆的模型,则其中包含多个车辆的结果集,这些结果可能是一张图片,也可能只是一个数字或者其他类型的,设备通过智能算法,将图像和这个结果建立关系,就可以判断图像内容是车辆。
平台服务器:是指供用户注册、登录,使用的私有平台服务器,这个平台服务器可以和硬件设备建立通信,允许用户进行相关的平台操作,对硬件设备进行相应的控制或操作。同时平台服务器还可以接收硬件设备发来的一些信息,比如掉线、报警等,这时平台服务器会向用户推送一些例如提示、报警等类型的消息。
激活:智能硬件设备首次启动时,需要用户输入密码等信息,作为后续使用时的认证凭证,同时用户还需要设置一些其他参数配置,比如网络参数,存储参数等等,这些设置完成之后,设备才能正常工作。这个活动称之为激活。可以避免设备出厂时预设一个固定密码而导致的不安全问题。
为了增加智能设备对碎片化应用场景的适用性,本申请实施例提供了一种设备算法更新系统,参见图1,该系统包括:
客户端、智能设备及平台服务器;
上述客户端用于:在登录上述平台服务器后,在上述平台服务器的各预设算法中选取目标算法;并向上述平台服务器发送待训练的样本数据。
上述平台服务器用于:在上述客户端登录后,向上述客户端展示各预设算法,接收上述客户端发送的上述样本数据,通过上述样本数据对上述目标算法进行训练,得到应用算法模型。
上述客户端还用于:向上述平台服务器发送上述应用算法模型的下载请求,其中,上述应用算法模型的下载请求包括待下载上述应用算法模型的目标智能设备的标识。
上述平台服务器还用于:在接收到上述应用算法模型的下载请求后,向上述目标智能设备发送上述应用算法模型。
上述智能设备用于:接收上述平台服务器发送的上述应用算法模型,以完成上述智能设备的算法更新。
客户端、平台服务器及智能设备均具有网络通信功能。客户端可以为个人电脑或智能手机等;平台服务器可以为一台单独的服务器也可以为多个服务器的集群,在一种可能的实施方式中平台服务器包括模型训练服务器及报警服务器,其中,模型训练服务器用于应用算法模型的训练及更新,报警服务器用于用户账号信息的管理及报警推送等;智能设备可以为硬盘录像机、智能相机或智能拾音器等。预设算法是指未经过样本数据训练的初始算法,例如,尚未经过样本数据训练的卷积神经网络等。应用算法模型是经过样本数据训练之后得到的模型,例如,为经过样本数据训练后的卷积神经网络等。
在客户端登录平台服务器后,客户端向平台服务器发送请求展示预设算法的指令,平台服务器在接收到该指令后,向客户端发送预设算法的展示信息。可选的,预设算法的展示信息可以包括预设算法的标识及预设算法的应用场景描述信息。客户端接收并展示预设算法的展示信息,用户通过客户端在预设算法中选取目标算法,并向客户端发送目标算法的训练指令及用于训练目标算法的样本数据。在一种可能的实施方式中为了方便目标算法的训练,样本数据中包括标定信息,客户端还用于按照用户的标定指令对样本数据进行标定。平台服务器获取目标算法的训练指令及用于训练目标算法的样本数据,利用目标算法的样本数据对目标算法进行训练,得到应用算法模型。可选的,为了方便用户对训练进度的掌握,平台服务器还用于向客户端展示应用算法模型的训练完成度。
客户端可以在本地存储应用算法模型的标识,用户从中选取希望下载的应用算法模型。客户端向服务器发送应用算法模型的下载请求,应用算法模型的下载请求包括待下载的应用算法模型的标识,以及待下载应用算法模型的目标智能设备的标识。平台服务器还在接收到应用算法模型的下载请求后,向目标智能设备发送待下载的应用算法模型。智能设备接收平台服务器发送的应用算法模型,以完成上述智能设备的算法更新。
在本申请实施例中,通过客户端在平台服务器的预设算法中选取目标算法,并通过客户端向平台服务器发送样本数据,通过服务器利用样本数据对目标算法进行训练,得到应用算法模型,在利用平台服务器将应用算法模型发送给智能设备,从而实现智能设备算分的更新。针对不同的碎片化应用场景,可以选取相应的预设算法,通过户提供的相应的样本数据训练选取的预设算法,并将训练好的应用算法模型发送给智能设备,能够得到针对不同碎片化应用场景的智能算法,能够增加智能设备对碎片化应用场景的适用性。
可选的,参见图2,智能设备在完成算法更新后,智能设备还用于:加载应用算法模型;获取待检测数据,通过应用算法模型对待检测数据进行分析,确定待检测数据是否满足预设报警条件;在待检测数据满足预设报警条件,且智能设备设置了报警推送时,智能设备向平台服务器发送设备报警消息,其中,设备报警消息中包括报警的智能设备的标识。在一种可能的实施方式中,智能设备可以为硬盘录像机或智能摄像机等,智能设备获取待检测图像数据,从而完成基于图像数据的报警。可选的,智能设备还用于:在待检测数据满足预设报警条件,触发本地报警。本地报警包括但不限于发出报警声音、触发报警闪烁灯及向用户预留的邮箱发送邮件等。
相应的,上述平台服务器还用于,在获取到设备报警消息后,向客户端发送设备报警消息。当然,平台服务器推送设备报警消息的设备不限于客户端,还可以向用户预留的手机号发送短信,向用户预留的邮箱发送邮件等。
在本申请实施例中,通过智能设备执行应用算法模型,实现了针对指定场景的监督报警,并且可以通过平台服务器实现针对客户端的报警推送,能够满足用户的报警推送需要。
为了防止因智能设备恢复出厂设置等原因造成应用算法模型丢失,平台服务器可以将应用算法模型存储在平台服务器的数据库中。例如图3a所示,可选的,上述目标智能设备为上述客户端当前登录账户绑定的智能设备;
上述平台服务器还用于:生成上述应用算法模型的模型属性信息,其中,上述应用算法模型的模型属性信息包括上述账户信息;关联存储上述应用算法模型及上述应用算法模型的属性信息。
客户端可以从当前登录账户中各应用算法模型中选取一个下载到智能设备中,例如参见图3b,可选的,上述客户端还用于:在上述客户端当前登录账户的各上述应用算法模型中选取待下载应用算法模型,向上述平台服务器发送第一智能设备下载上述待下载应用算法模型的第一下载请求,其中,上述第一智能设备为上述客户端当前登录账户绑定的智能设备;
上述平台服务器还用于:在接收到第一下载请求后,向上述第一智能设备发送上述待下载应用算法模型。
客户端登录到平台服务器后,向平台服务器发送请求下载指定应用算法模型(待下载应用算法模型)到指定智能设备(第一智能设备)的下载请求;平台服务器按照该下载请求,查询下载请求是否正确(例如,平台服务器的数据块中是否含指定应用算法模型,指定智能设备是否绑定到当前登录账户),查询指定智能设备是否在线;在下载请求正确且指定智能设备在线时,向该指定智能设备发送指定应用算法模型;智能设备获取指定应用算法模型,将该指定应用算法模型存储到智能设备本地存储中;智能设备加载该指定应用算法模型,并向平台服务器返回成功消息。
在本申请实施例中,平台服务器关联存储应用算法模型及应用算法模型的属性信息,实现了应用算法模型的在线存储,减少应用算法模型意外丢失的情况,并且通过关联存储的方式,方便同一账户应用算法模型的管理。客户端可以在当前登录账户的各应用算法模型中,选取待下载应用算法模型,下载到当前登录账户绑定的智能设备中,方便智能设备算法的更新。
用户在首次使用时,需要注册一个账户,可选的,参见图4a,可选的,客户端还用于:建立与平台服务器的通信连接,向平台服务器发送注册信息,其中,注册信息包括账户及密码;平台服务器还用于:获取注册信息;在注册信息满足预设注册规则时,判定注册成功;存储注册信息。
用户首次使用时,需要先在平台服务器进行注册,注册时,需要填写个人相关信息,注册信息中还可以包括用户的用户名、密码及个人信息,其中,个人信息可以包括姓名、年龄、手机号、邮箱及身份证信息等。输入之后,客户端提交注册新用户,平台服务器会根据用户输入的信息,进行判断,在注册信息满足预设注册规则时,则创建新用户,平台服务器向客户端返回注册成功信息,并将注册信息存储到数据库中。在注册信息不满足预设注册规则时,向客户端返回错误信息,例如用户输入的用户名已经被使用、或者手机号、邮箱等已经被别人注册过等。
智能设备首次登录设备平台服务器是需要进行注册,参见图4b,可选的,智能设备还用于:向平台服务器发送注册信息,其中,注册信息包括智能设备的注册密钥;平台服务器还用于:在智能设备的注册信息通过验证时,允许该智能设备登录。
在智能设备首次使用时,用户激活智能设备;智能设备检测网络是否可用;在网络可用时,智能设备向平台服务器发送注册信息;平台服务器按照注册信息判断是否允许智能设备注册;在允许智能设备注册时,允许该智能设备登录。在网络不可用时智能设备生成错误提示信息;在不允许该智能设备注册时,平台服务器向智能设备返回错误提示信息。
客户端与智能设备的绑定过程可以如图4c所示,可选的,上述客户端还用于:获取待绑定智能设备的标识,向上述平台服务器发送设备绑定消息,其中,上述设备绑定消息包括待绑定智能设备的标识;
上述平台服务器还用于:接收上述设备绑定消息,在上述设备绑定消息通过认证后,按照上述待绑定智能设备的标识,绑定上述客户端当前登录账户与上述待绑定智能设备。
客户端向平台服务器发送登录信息;平台服务器获取登录信息,判断登录信息是否检验成功;在登录信息校验成功后,允许客户端当前账户登录,向客户端发送登录成功信息;客户端向平台服务器发送待绑定智能设备的绑定请求;平台服务器查询待绑定智能设备是否允许绑定,若允许绑定客户端当前登录账户与该待绑定智能设备,并记录到数据库中;如不允许返回错误信息。可选的,为了保证绑定安全,绑定请求中包括待绑定智能设备的绑定密钥,该绑定密钥可以为智能设备出厂时设定的,也可以为平台服务器生成并发送给待绑定智能设备的。
在一些应用场景中客户端需要从智能服务器中获取当前登录账户下的各应用算法模型,参见图5,可选的,上述客户端还用于:向上述平台服务器发送应用模型查询指令;
上述平台服务器还用于:在接收到上述客户端当前登录账户的应用模型查询指令后,按照上述属性信息中的账户信息,向上述客户端展示上述客户端当登录账户的各上述应用算法模型。
客户端登录平台服务器,并向平台服务器发送应用模型查询指令;平台服务器获取应用模型查询指令后,查询客户端当前登录账户的各应用算法模型,并向客户端发送该客户端当前登录账户的各应用算法模型的展示信息;客户端接收展示信息并进行展示。
在一些应用场景中需要对现有的应用算法模型进行更新,参见图6a,可选的,上述客户端还用于:在上述客户端当前登录账户的各上述应用算法模型中选取待更新应用算法模型,向上述平台服务器发送上述待更新应用算法模型的更新请求及更新样本;
上述平台服务器还用于:在接收到上述待更新应用算法模型的更新请求及更新样本后,通过上述更新样本对上述待更新应用算法模型进行训练,得到更新后的应用算法模型。
对智能设备中应用算法模型更新的过程可以如图6b所示,可选的,上述客户端还用于:在上述客户端当前登录账户的各上述应用算法模型中选取待更新应用算法模型,向上述平台服务器发送第三智能设备更新上述待更新应用算法模型的第一更新请求,其中,上述第三智能设备为上述客户端当前登录账户绑定的智能设备;
上述平台服务器还用于:在接收到第一更新请求后,向上述第三智能设备发送上述待更新应用算法模型的更新数据;
上述智能设备还用于:在获取到上述待更新应用算法模型的更新数据后,更新上述待更新应用算法模型。
客户端登录平台服务器;客户端在客户端当前登录账户绑定的第三智能设备的应用算法模型中,选取待更新应用算法模型;客户端向平台服务器发送第三智能设备更新待更新应用算法模型的第一更新请求;平台服务器检测第三智能设备是否在线,检测第一更新请求是否正确(包括检测客户端当前登录账户是否绑定第三智能设备);平台服务器检测第三智能设备中是否有待更新应用算法模型,若否提示错误信息;在第三智能设备中有待更新应用算法模型时,平台服务器发送待更新应用算法模型的更新数据,该更新数据可以为更新后的应用算法模型;第三智能设备获取并存储待更新应用算法模型的更新数据;第三智能设备通过待更新应用算法模型的更新数据,更新待更新应用算法模型;第三智能设备向平台服务器返回操作结果。
客户端登录到平台服务器;客户端在客户端当前登录账户的各应用算法模型中选取待更新应用算法模型,向平台服务器发送上述待更新应用算法模型的更新请求;平台服务器查询平台服务器的数据库,检验数据库是否存在待更新应用算法模型;在数据库中存在待更新应用算法模型时,平台服务器向客户端发送训练样本输入提示;客户端向平台服务器发送更新样本;平台服务器获取更新样本,通过更新样本更新待更新应用算法模型,并更新数据库;在数据库中不存在待更新应用算法模型时,向客户端返回错误信息。
在一些应用场景中需要对现有的应用算法模型进行删除,参见图7a,可选的,上述客户端还用于:在上述客户端当前登录账户的各上述应用算法模型中选取待删除应用算法模型,向上述平台服务器发送上述待删除应用算法模型的删除请求;
上述平台服务器还用于:在接收到上述待删除应用算法模型的删除请求后,删除上述待删除应用算法模型。
客户端登录到平台服务器;客户端在客户端当前登录账户的各应用算法模型中选取待删除应用算法模型,向平台服务器发送上述待删除应用算法模型的删除请求;平台服务器查询平台服务器的数据库,检验数据库是否存在待删除应用算法模型;在数据库中存在待删除应用算法模型时,平台服务器删除待删除应用算法模型,并更新客户端当前登录账户对应的应用算法模型信息。
对智能设备中应用算法模型删除的过程可以如图7b所示,可选的,上述客户端还用于:在上述客户端当前登录账户的各上述应用算法模型中选取待删除应用算法模型,向上述平台服务器发送第二智能设备删除上述待删除应用算法模型的第一删除请求,其中,上述第二智能设备为上述客户端当前登录账户绑定的智能设备;
上述平台服务器还用于:在接收到第一删除请求后,向上述第二智能设备发送上述待删除应用算法模型的删除指令;
上述智能设备还用于:在获取到上述待删除应用算法模型的删除指令后,删除上述待删除应用算法模型。
客户端登录平台服务器;客户端在客户端当前登录账户绑定的第二智能设备的应用算法模型中,选取待删除应用算法模型;客户端向平台服务器发送第二智能设备删除待删除应用算法模型的第一删除请求;平台服务器检测第二智能设备是否在线,检测第二更新请求是否正确(包括检测客户端当前登录账户是否绑定第二智能设备),若否提示错误信息;平台服务器检测第二智能设备中是否有待更新应用算法模型,若否提示错误信息;在第二智能设备中有待删除应用算法模型时,平台服务器发送待更新应用算法模型的删除指令;第二智能设备在获取到待删除应用算法模型的删除指令后,删除待删除应用算法模型;第二智能设备向平台服务器返回操作结果。
在一些应用场景中,智能设备可能无法连接到平台服务器,可以通过客户端实现智能设备算法的下载,参见图8,可选的,上述客户端还用于:在登录上述智能设备后,向上述智能设备发送上述客户端本地的应用算法模型;
上述智能设备还用于:接收上述客户端发送的上述客户端本地的应用算法模型,以完成上述智能设备的算法更新。
在智能设备无法连接万维网时,可以通过蓝牙或无线保真等技术与客户端建立通信,客户端通过BS(Browser/Server,浏览器/服务器结构)或者CS(Client/Server,客户端/服务器结构)方式登录到智能设备,实现智能设备的直接管理。
客户端登录到智能设备;客户端获取当前客户端中应用算法模型的信息;在当前客户端存在的应用算法模型中选取待发送的应用算法模型;智能设备校验算智能设备中是否存在该应用算法模型;在不存在该应用算法模型时,智能设备获取该应用算法模型;智能设备将该应用算法模型存储到智能设备的本地存储中;智能设备加载该应用算法模型;智能设备向客户端返回操作结果;在存在该应用算法模型时,智能设备向客户端返回错误信息。
在一些应用场景中,智能设备可能无法连接到平台服务器,可以通过客户端实现智能设备算法的删除,参见图9,可选的,上述客户端还用于:在登录上述智能设备后,获取上述智能设备的应用算法模型列表;在上述智能设备的应用算法模型列表中,确定待删除的第一应用算法模型,向上述智能设备发送上述第一应用算法模型的删除指令;
上述智能设备还用于:在接收到上述第一应用算法模型的删除指令后,删除上述第一应用算法模型。
客户端登录到智能设备;客户端获取当前客户端中存储的智能设备的应用算法模型列表;在应用算法模型列表中选取待删除的第一应用算法模型;智能设备校验算智能设备中是否存在第一应用算法模型;在存在第一应用算法模型时,智能设备删除智能设备的第一应用算法模型;智能设备向客户端返回操作结果;在不存在第一应用算法模型时,智能设备向客户端返回错误信息。
在一些应用场景中,智能设备可能无法连接到平台服务器,可以通过客户端实现智能设备算法的更新,参见图10,可选的,上述客户端还用于:在登录上述智能设备后,获取上述智能设备的应用算法模型列表;在上述智能设备的应用算法模型列表中,确定待更新的第二应用算法模型,向上述智能设备发送上述第二应用算法模型的更新指令及更新数据;
上述智能设备还用于:在接收到上述第二应用算法模型的更新指令后,按照上述第二应用算法模型的更新数据,更新上述第二应用算法模型。
客户端登录到智能设备;客户端获取当前客户端中存储的智能设备的应用算法模型列表;在应用算法模型列表中选取待更新的第二应用算法模型;智能设备校验算智能设备中是否存在第二应用算法模型;在存在第二应用算法模型时,客户端发送第二应用算法模型的更新数据;智能设备获取第二应用算法模型的更新数据;智能设备将第二应用算法模型的更新数据存储到智能设备的本地存储中;智能设备根据更新数据更新第二应用算法模型;智能设备向客户端返回操作结果;在不存在该应用算法模型时,智能设备向客户端返回错误信息。
用户可以通过客户端和智能设备建立通信,访问设备。客户端登录智能设备之后,客户端可以获取当前设备中存储的应用算法模型,根据获取到的应用算法模型信息,进行增加模型数据、删除模型、修改模型等操作。在增加和更新模型数据时,可以直接从客户端本地选择要上传的数据文件,上传到智能设备。可选的,用户离线模型管理,导入模型数据的方式还可以扩展为硬盘、光盘、硬盘等方式进行导入。
本申请实施例还提供了一种智能设备,参见图11,该智能设备包括:存储器1101及处理器1102;上述存储器1101用于存储计算机程序;上述处理器1102用于在执行上述存储器1101中存储的计算机程序时,实现如下步骤:
接收平台服务器发送的应用算法模型,将上述算法模型存储在上述存储器中;
其中,生成上述应用算法模型的生成步骤包括:
在客户端在登录上述平台服务器后,上述平台服务器向上述客户端展示各预设算法;上述客户端在上述平台服务器的各预设算法中选取目标算法,并向上述平台服务器发送待训练的样本数据;上述平台服务器接收上述客户端发送的上述样本数据,通过上述样本数据对上述目标算法进行训练,得到上述应用算法模型;上述客户端向上述平台服务器发送上述应用算法模型的下载请求,其中,上述应用算法模型的下载请求包括待下载上述应用算法模型的目标智能设备的标识;上述平台服务器在接收到上述应用算法模型的下载请求后,向上述目标智能设备发送上述应用算法模型。
可选的,智能设备的处理器1102在执行上述存储器1101中存储的计算机程序时,还可以实现上述智能设备算法更新系统中智能设备的任一功能。
本申请实施例还提供了一种平台服务器,该平台服务器包括:存储器及处理器;上述存储器用于存储计算机程序;上述处理器用于在执行上述存储器中存储的计算机程序时,实现如下步骤:
在客户端登录上述平台服务器后,向上述客户端展示各预设算法;
获取上述客户端发送的目标算法的训练指令及样本数据,通过上述样本数据对上述目标算法进行训练,得到应用算法模型,其中,上述目标算法为上述各预设算法中模型;
在接收到上述客户端发送的针对目标智能设备的应用算法模型的下载请求后,向上述目标智能设备发送上述应用算法模型。
可选的,平台服务器的处理器在执行存储器中存储的计算机程序时,还可以实现上述智能设备算法更新系统中平台服务器的任一功能。
可选的,参见图12,本申请实施例的平台服务器还包括通信接口1202和通信总线1204,其中,处理器1201,通信接口1202,存储器1203通过通信总线1204完成相互间的通信。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供了一种客户端,该客户端包括:存储器及处理器;上述存储器用于存储计算机程序;上述处理器用于在执行上述存储器中存储的计算机程序时,实现上述智能设备算法更新系统中客户端的任一功能。
需要说明的是,在本文中,各个可选方案中的技术特征只要不矛盾均可组合来形成方案,这些方案均在本申请公开的范围内。诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,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。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。

Claims (14)

1.一种智能设备算法更新系统,其特征在于,所述系统包括:
客户端、智能设备及平台服务器;
所述客户端用于:在登录所述平台服务器后,在所述平台服务器的各预设算法中选取目标算法;并向所述平台服务器发送待训练的样本数据;
所述平台服务器用于:在所述客户端登录后,向所述客户端展示各预设算法,接收所述客户端发送的所述样本数据,通过所述样本数据对所述目标算法进行训练,得到应用算法模型;
所述客户端还用于:向所述平台服务器发送所述应用算法模型的下载请求,其中,所述应用算法模型的下载请求包括待下载所述应用算法模型的目标智能设备的标识;
所述平台服务器还用于:在接收到所述应用算法模型的下载请求后,向所述目标智能设备发送所述应用算法模型;
所述智能设备用于:接收所述平台服务器发送的所述应用算法模型,以完成所述智能设备的算法更新。
2.根据权利要求1所述的系统,其特征在于,所述目标智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:生成所述应用算法模型的模型属性信息,其中,所述应用算法模型的模型属性信息包括所述账户信息;关联存储所述应用算法模型及所述应用算法模型的属性信息。
3.根据权利要求2所述的系统,其特征在于,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待下载应用算法模型,向所述平台服务器发送第一智能设备下载所述待下载应用算法模型的第一下载请求,其中,所述第一智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:在接收到第一下载请求后,向所述第一智能设备发送所述待下载应用算法模型。
4.根据权利要求2所述的系统,其特征在于,所述客户端还用于:获取待绑定智能设备的标识,向所述平台服务器发送设备绑定消息,其中,所述设备绑定消息包括待绑定智能设备的标识;
所述平台服务器还用于:接收所述设备绑定消息,在所述设备绑定消息通过认证后,按照所述待绑定智能设备的标识,绑定所述客户端当前登录账户与所述待绑定智能设备。
5.根据权利要求2所述的系统,其特征在于,所述客户端还用于:向所述平台服务器发送应用模型查询指令;
所述平台服务器还用于:在接收到所述客户端当前登录账户的应用模型查询指令后,按照所述属性信息中的账户信息,向所述客户端展示所述客户端当登录账户的各所述应用算法模型。
6.根据权利要求2所述的系统,其特征在于,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待更新应用算法模型,向所述平台服务器发送所述待更新应用算法模型的更新请求及更新样本;
所述平台服务器还用于:在接收到所述待更新应用算法模型的更新请求及更新样本后,通过所述更新样本对所述待更新应用算法模型进行训练,得到更新后的应用算法模型。
7.根据权利要求2所述的系统,其特征在于,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待删除应用算法模型,向所述平台服务器发送所述待删除应用算法模型的删除请求;
所述平台服务器还用于:在接收到所述待删除应用算法模型的删除请求后,删除所述待删除应用算法模型。
8.根据权利要求2所述的系统,其特征在于,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待删除应用算法模型,向所述平台服务器发送第二智能设备删除所述待删除应用算法模型的第一删除请求,其中,所述第二智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:在接收到第一删除请求后,向所述第二智能设备发送所述待删除应用算法模型的删除指令;
所述智能设备还用于:在获取到所述待删除应用算法模型的删除指令后,删除所述待删除应用算法模型。
9.根据权利要求2所述的系统,其特征在于,所述客户端还用于:在所述客户端当前登录账户的各所述应用算法模型中选取待更新应用算法模型,向所述平台服务器发送第三智能设备更新所述待更新应用算法模型的第一更新请求,其中,所述第三智能设备为所述客户端当前登录账户绑定的智能设备;
所述平台服务器还用于:在接收到第一更新请求后,向所述第三智能设备发送所述待更新应用算法模型的更新数据;
所述智能设备还用于:在获取到所述待更新应用算法模型的更新数据后,更新所述待更新应用算法模型。
10.根据权利要求1所述的系统,其特征在于,所述客户端还用于:在登录所述智能设备后,向所述智能设备发送所述客户端本地的应用算法模型;
所述智能设备还用于:接收所述客户端发送的所述客户端本地的应用算法模型,以完成所述智能设备的算法更新。
11.根据权利要求1所述的系统,其特征在于,所述客户端还用于:在登录所述智能设备后,获取所述智能设备的应用算法模型列表;在所述智能设备的应用算法模型列表中,确定待删除的第一应用算法模型,向所述智能设备发送所述第一应用算法模型的删除指令;
所述智能设备还用于:在接收到所述第一应用算法模型的删除指令后,删除所述第一应用算法模型。
12.根据权利要求1所述的系统,其特征在于,所述客户端还用于:在登录所述智能设备后,获取所述智能设备的应用算法模型列表;在所述智能设备的应用算法模型列表中,确定待更新的第二应用算法模型,向所述智能设备发送所述第二应用算法模型的更新指令及更新数据;
所述智能设备还用于:在接收到所述第二应用算法模型的更新指令后,按照所述第二应用算法模型的更新数据,更新所述第二应用算法模型。
13.一种智能设备,其特征在于,包括:
存储器及处理器;
所述存储器用于存储计算机程序;
所述处理器用于在执行所述存储器中存储的计算机程序时,实现如下步骤:
接收平台服务器发送的应用算法模型,将所述算法模型存储在所述存储器中;
其中,生成所述应用算法模型的生成步骤包括:
在客户端在登录所述平台服务器后,所述平台服务器向所述客户端展示各预设算法;所述客户端在所述平台服务器的各预设算法中选取目标算法,并向所述平台服务器发送待训练的样本数据;所述平台服务器接收所述客户端发送的所述样本数据,通过所述样本数据对所述目标算法进行训练,得到所述应用算法模型;所述客户端向所述平台服务器发送所述应用算法模型的下载请求,其中,所述应用算法模型的下载请求包括待下载所述应用算法模型的目标智能设备的标识;所述平台服务器在接收到所述应用算法模型的下载请求后,向所述目标智能设备发送所述应用算法模型。
14.一种平台服务器,其特征在于,包括:
存储器及处理器;
所述存储器用于存储计算机程序;
所述处理器用于在执行所述存储器中存储的计算机程序时,实现如下步骤:
在客户端登录所述平台服务器后,向所述客户端展示各预设算法;
获取所述客户端发送的目标算法的训练指令及样本数据,通过所述样本数据对所述目标算法进行训练,得到应用算法模型,其中,所述目标算法为所述各预设算法中模型;
在接收到所述客户端发送的针对目标智能设备的应用算法模型的下载请求后,向所述目标智能设备发送所述应用算法模型。
CN201910498091.9A 2019-06-10 2019-06-10 智能设备算法更新系统、智能设备及平台服务器 Active CN112068854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910498091.9A CN112068854B (zh) 2019-06-10 2019-06-10 智能设备算法更新系统、智能设备及平台服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910498091.9A CN112068854B (zh) 2019-06-10 2019-06-10 智能设备算法更新系统、智能设备及平台服务器

Publications (2)

Publication Number Publication Date
CN112068854A true CN112068854A (zh) 2020-12-11
CN112068854B CN112068854B (zh) 2023-09-01

Family

ID=73658049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498091.9A Active CN112068854B (zh) 2019-06-10 2019-06-10 智能设备算法更新系统、智能设备及平台服务器

Country Status (1)

Country Link
CN (1) CN112068854B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022135561A1 (zh) * 2020-12-24 2022-06-30 华为技术有限公司 智能组件更新的方法和通信装置
WO2023212926A1 (zh) * 2022-05-06 2023-11-09 Oppo广东移动通信有限公司 一种通信方法和设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015003436A1 (en) * 2013-07-10 2015-01-15 Tencent Technology (Shenzhen) Company Limited Method and device for parallel processing in model training
CN104753985A (zh) * 2013-12-30 2015-07-01 腾讯科技(深圳)有限公司 会话列表显示方法和装置
CN105208113A (zh) * 2015-08-31 2015-12-30 北京百度网讯科技有限公司 信息推送的方法和装置
US20160308810A1 (en) * 2013-11-29 2016-10-20 Tencent Technology (Shenzhen) Company Limited Method, apparatus and system for customer service information forwarding
CN106550044A (zh) * 2016-11-24 2017-03-29 腾讯科技(深圳)有限公司 应用下载方法、下载服务器、下载客户端和应用下载系统
US20170102678A1 (en) * 2013-03-04 2017-04-13 Fisher-Rosemount Systems, Inc. Distributed industrial performance monitoring and analytics
CN107766940A (zh) * 2017-11-20 2018-03-06 北京百度网讯科技有限公司 用于生成模型的方法和装置
CN108965331A (zh) * 2018-08-29 2018-12-07 腾讯科技(深圳)有限公司 登录校验方法、装置和登录系统
CN109492698A (zh) * 2018-11-20 2019-03-19 腾讯科技(深圳)有限公司 一种模型训练的方法、对象检测的方法以及相关装置
US20190146424A1 (en) * 2017-11-16 2019-05-16 International Business Machines Corporation Machine learning optimization framework

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170102678A1 (en) * 2013-03-04 2017-04-13 Fisher-Rosemount Systems, Inc. Distributed industrial performance monitoring and analytics
WO2015003436A1 (en) * 2013-07-10 2015-01-15 Tencent Technology (Shenzhen) Company Limited Method and device for parallel processing in model training
US20160308810A1 (en) * 2013-11-29 2016-10-20 Tencent Technology (Shenzhen) Company Limited Method, apparatus and system for customer service information forwarding
CN104753985A (zh) * 2013-12-30 2015-07-01 腾讯科技(深圳)有限公司 会话列表显示方法和装置
US20160094509A1 (en) * 2013-12-30 2016-03-31 Tencent Technology (Shenzhen) Company Limited Method and system for presenting a listing of message logs
CN105208113A (zh) * 2015-08-31 2015-12-30 北京百度网讯科技有限公司 信息推送的方法和装置
WO2017035970A1 (zh) * 2015-08-31 2017-03-09 北京百度网讯科技有限公司 信息推送的方法和装置
CN106550044A (zh) * 2016-11-24 2017-03-29 腾讯科技(深圳)有限公司 应用下载方法、下载服务器、下载客户端和应用下载系统
US20190146424A1 (en) * 2017-11-16 2019-05-16 International Business Machines Corporation Machine learning optimization framework
CN107766940A (zh) * 2017-11-20 2018-03-06 北京百度网讯科技有限公司 用于生成模型的方法和装置
CN108965331A (zh) * 2018-08-29 2018-12-07 腾讯科技(深圳)有限公司 登录校验方法、装置和登录系统
CN109492698A (zh) * 2018-11-20 2019-03-19 腾讯科技(深圳)有限公司 一种模型训练的方法、对象检测的方法以及相关装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于个性化资源推荐的学习平台的研究与设计", 《中国优秀硕士学位论文全文数据库社会科学Ⅱ辑》 *
YULIN DING等: "An Optimised Algorithm to Tackle the Model Explosion Problem in CTL Model Update", 《PACIFIC RIM INTERNATIONAL CONFERENCE ON TRENDS IN ARTIFICIAL INTELLIGENCE》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022135561A1 (zh) * 2020-12-24 2022-06-30 华为技术有限公司 智能组件更新的方法和通信装置
WO2023212926A1 (zh) * 2022-05-06 2023-11-09 Oppo广东移动通信有限公司 一种通信方法和设备

Also Published As

Publication number Publication date
CN112068854B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
CN111478967B (zh) 一种请求处理方法及装置
CN100583114C (zh) 用于远程安全启用的系统和方法
CN105337997B (zh) 一种应用客户端的登录方法及相关设备
CN108418787B (zh) 企业资源计划数据的采集方法、终端设备及介质
CN109063423B (zh) 应用软件授权方法及系统
CN110691085B (zh) 登录方法、装置、密码管理系统及计算机可读介质
CN112165379B (zh) 一种用户安全登录方法、装置及终端设备
KR20120135041A (ko) 액세스 감시 방법, 정보 처리 장치, 및 액세스 감시 프로그램을 저장한 컴퓨터 판독 가능한 매체
CN110598280A (zh) 一种设备仿真系统和方法、计算机可读存储介质
CN113268336B (zh) 一种服务的获取方法、装置、设备以及可读介质
CN112068854B (zh) 智能设备算法更新系统、智能设备及平台服务器
CN111177483A (zh) 终端设备的识别方法、设备及计算机可读存储介质
CN107682376B (zh) 风控数据交互方法及装置
CN115695012A (zh) 一种登录请求的处理方法、装置、电子设备及存储介质
CN114328029B (zh) 一种应用资源的备份方法、装置、电子设备及存储介质
CN113709530A (zh) 一种资源下载方法、系统、电子设备及存储介质
CN106817296B (zh) 信息推荐的测试方法、装置以及电子设备
TWI715549B (zh) 基於用戶情境自動轉換用戶角色的方法及其資訊系統
CN110381081B (zh) 网络访问方法、装置及电子设备
CN115495770B (zh) 基于区块链的超期合约处理方法和装置、设备和介质
KR20140111137A (ko) 온라인 게임용 쿠폰을 제공하는 방법, 서버 및 시스템
CN108600242B (zh) 应用软件的账号注册方法、装置、设备及可读存储介质
CN111538566A (zh) 镜像文件处理方法、装置、系统、电子设备及存储介质
CN112637148B (zh) 验证用户的方法、装置、电子设备及介质
CN113342595B (zh) 灰度验证方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant