CN112084827A - 数据处理方法及装置 - Google Patents
数据处理方法及装置 Download PDFInfo
- Publication number
- CN112084827A CN112084827A CN201910517480.1A CN201910517480A CN112084827A CN 112084827 A CN112084827 A CN 112084827A CN 201910517480 A CN201910517480 A CN 201910517480A CN 112084827 A CN112084827 A CN 112084827A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- target
- verification
- data
- target algorithm
- 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 232
- 238000012795 verification Methods 0.000 claims abstract description 218
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000012790 confirmation Methods 0.000 claims abstract description 13
- 230000003068 static effect Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 abstract description 40
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 244000035744 Hura crepitans Species 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种数据处理方法及装置,属于计算机技术领域。所述方法包括:接收到针对目标算法的校验请求后,获取所述目标算法及所述目标算法对应的一组或多组校验数据;采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果;接收到针对所述处理结果的确认正确指令时,确定所述目标算法通过校验;在对待处理数据进行目标处理时,调用通过校验的所述目标算法对所述待处理数据进行目标处理。本申请解决了调用算法进行数据处理的效果较差的问题。提高了数据处理的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种数据处理方法及装置。
背景技术
随着计算机技术的发展,用于实现不同功能的算法越来越多。
相关技术中,当需要对数据进行某项处理时,数据处理设备可以调用该项处理对应的算法,进而采用该算法对待处理的数据进行该项处理。
但是,目前存在的各种算法良莠不齐,较难保证数据处理设备所采用的算法进行数据处理的准确性。因此,相关技术中调用算法进行数据处理的效果较差。
发明内容
本申请提供了一种数据处理方法及装置,可以解决调用算法进行数据处理的效果较差的问题。所述技术方案如下:
一方面,提供了一种数据处理方法,所述方法包括:
接收到针对目标算法的校验请求后,获取所述目标算法及所述目标算法对应的一组或多组校验数据;
采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果;
接收到针对所述处理结果的确认正确指令时,确定所述目标算法通过校验;
在对待处理数据进行目标处理时,调用通过校验的所述目标算法对所述待处理数据进行目标处理。
可选地,所述获取所述目标算法对应的一组或多组校验数据,包括:
当所述目标算法适用的数据类型为图片或视频时,获取所述目标算法对应的多组图片或视频,将所述多组图片或视频作为校验数据,所述多组图片和视频的组数均大于或等于组数阈值。
可选地,所述获取所述目标算法对应的一组或多组校验数据,包括:
当所述目标算法适用的数据类型为实时数据流时,获取所述目标算法对应的实时数据流,将所述实时数据流作为校验数据;
所述采用所述目标算法对所述一组或多组校验数据进行处理,包括:
采用所述目标算法对所述实时数据流进行处理;
在指定时长后停止对所述实时数据流的处理。
可选地,所述采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果,包括:
基于所述目标算法的执行环境条件分配校验资源,调用分配的校验资源采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果,所述执行环境条件用于指示执行算法所需的环境条件。
可选地,所述接收到针对所述目标算法的校验请求之前,所述方法还包括:
在接收到算法查询请求时,显示状态为未校验状态的算法的标识信息;
所述基于所述目标算法的执行环境条件分配校验资源,包括:
在接收到针对显示的标识信息中所述目标算法的标识信息的选定指令时,基于所述目标算法的执行环境条件分配校验资源。
可选地,在确定所述目标算法通过校验之后,所述方法还包括:
将所述目标算法的状态修改为校验通过状态。
可选地,所述方法还包括:
在接收到针对所述处理结果的确认错误指令时,确定所述目标算法未通过校验;
将所述目标算法的状态修改为校验未通过状态。
可选地,所述方法还包括:
在接收到针对目标算法的校验请求后,显示当前校验状态对应的提示信息,当前校验状态包括校验中状态或校验完成状态。
可选地,在接收到针对目标算法的校验请求之前,所述方法还包括:
获取多个辅助算法的执行顺序,所述辅助算法包括完整算法或者用于组成完整算法的子算法;
根据所述执行顺序对所述多个辅助算法进行编排,得到所述目标算法。
可选地,根据所述执行顺序对所述多个辅助算法进行编排,得到所述目标算法,包括:
根据所述执行顺序对所述多个辅助算法进行编排,生成参考算法;
根据所述多个辅助算法的执行环境条件,对所述参考算法进行静态校验,所述执行环境条件用于指示执行算法所需的环境条件;
在所述参考算法通过静态校验后,将所述参考算法确定为所述目标算法。
另一方面,提供了一种数据处理装置,所述数据处理装置包括:
第一获取模块,用于接收到针对目标算法的校验请求后,获取所述目标算法及所述目标算法对应的一组或多组校验数据;
第一处理模块,用于采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果;
第一确定模块,用于接收到针对所述处理结果的确认正确指令时,确定所述目标算法通过校验;
第二处理模块,用于在对待处理数据进行目标处理时,调用通过校验的所述目标算法对所述待处理数据进行目标处理。
可选地,所述第一获取模块还用于:
当所述目标算法适用的数据类型为图片或视频时,获取所述目标算法对应的多组图片或视频,将所述多组图片或视频作为校验数据,所述多组图片和视频的组数均大于或等于组数阈值。
可选地,所述第一获取模块还用于:
当所述目标算法适用的数据类型为实时数据流时,获取所述目标算法对应的实时数据流,将所述实时数据流作为校验数据;
所述第一处理模块还用于:
采用所述目标算法对所述实时数据流进行处理;
在指定时长后停止对所述实时数据流的处理。
可选地,所述第一处理模块还用于:
基于所述目标算法的执行环境条件分配校验资源,调用分配的校验资源采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果,所述执行环境条件用于指示执行算法所需的环境条件。
可选地,所述数据处理装置还包括:
第一显示模块,用于在接收到算法查询请求时,显示状态为未校验状态的算法的标识信息;
所述第一处理模块还用于:
在接收到针对显示的标识信息中所述目标算法的标识信息的选定指令时,基于所述目标算法的执行环境条件分配校验资源。
可选地,所述数据处理装置还包括:
第一修改模块,用于将所述目标算法的状态修改为校验通过状态。
可选地,所述数据处理装置还包括:
第二确定模块,用于在接收到针对所述处理结果的确认错误指令时,确定所述目标算法未通过校验;
第二修改模块,用于将所述目标算法的状态修改为校验未通过状态。
可选地,所述数据处理装置还包括:
第二显示模块,在接收到针对目标算法的校验请求后,显示当前校验状态对应的提示信息,当前校验状态包括校验中状态或校验完成状态。
可选地,所述数据处理装置还包括:
第二获取模块,用于在接收到针对目标算法的校验请求之前,获取多个辅助算法的执行顺序,所述辅助算法包括完整算法或者用于组成完整算法的子算法;
编排模块,用于根据所述执行顺序对所述多个辅助算法进行编排,得到所述目标算法。
可选地,所述编排模块还用于:
根据所述执行顺序对所述多个辅助算法进行编排,生成参考算法;
根据所述多个辅助算法的执行环境条件,对所述参考算法进行静态校验,所述执行环境条件用于指示执行算法所需的环境条件;
在所述参考算法通过静态校验后,将所述参考算法确定为所述目标算法。
再一方面,提供了一种数据处理装置,所述数据处理装置包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令在被所述处理器执行时实现上述的数据处理方法。
又一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令,所述至少一条指令在被执行时实现上述的数据处理方法。
本申请提供的技术方案带来的有益效果至少包括:
本申请实施例提供的技术方案,可以采用目标算法对其对应的校验数据进行处理,在根据处理结果确定目标算法通过校验后,才在对待处理数据进行目标处理时,调用该通过校验的目标算法对待处理数据进行目标处理。由于进行数据处理时调用的目标算法通过校验,因此保证了调用目标算法进行数据处理的准确性,提升了调用算法进行数据处理的效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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是本申请实施例提供的一种数据处理方法的实施环境示意图;
图2是本申请实施例提供的一种进行算法编排与数据处理的流程图;
图3是本申请实施例提供的一种对待处理数据进行数据处理的流程图;
图4是本申请实施例提供的一种对子算法进行组合编排的示意图;
图5是本申请实施例提供的另一种进行算法编排与数据处理的流程图;
图6是本申请实施例提供的一种数据处理方法的流程图;
图7是本申请实施例提供的另一种数据处理方法的流程图;
图8是本申请实施例提供的一种显示界面示意图;
图9是本申请实施例提供的一种数据处理装置的结构示意图;
图10是本申请实施例提供的另一种数据处理装置的结构示意图;
图11是本申请实施例提供的又一种数据处理装置的结构示意图;
图12是本申请实施例提供的再一种数据处理装置的结构示意图;
图13是本申请实施例提供的还一种数据处理装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种数据处理方法的实施环境示意图,如图1所示,该数据处理方法可以应用于数据处理系统10。该数据处理系统10包括算法仓库101、调度设备102、至少一个校验设备103、至少一个用户终端104和至少一个数据处理设备,且算法仓库101、调度设备102和校验设备103、用户终端104和数据处理设备均相互连接。
需要说明的是,图1中以数据处理系统10包括两个校验设备103和一个用户终端104为例,在本申请的示例性实施方式中,数据处理系统10中校验设备、用户终端104和数据处理设备的个数均可以为任意正整数,如两个或三个,本申请实施例对此不作限定。算法仓库101、调度设备102和校验设备103、用户终端104和数据处理设备之间,可以通过有线网络或者无线网络连接,其中,有线网络可以包括但不限于:通用串行总线(英文:UniversalSerial Bus;简称:USB),无线网络可以包括但不限于:无线保真(英文:WirelessFidelity;简称:WIFI)、蓝牙、红外、紫蜂(英文:Zigbee)、数据网络等。
还需要说明的是,数据处理系统10中的算法仓库101、调度设备102和校验设备103、用户终端104和数据处理设备均为独立的设备。可选地,算法仓库101、调度设备102、校验设备103与数据处理设备均可以为一个服务器,或者也可以为多个服务器组成的服务器集群。可选地,算法仓库101、调度设备102、校验设备103和数据处理设备也可以为终端,如算法仓库101和调度设备102可以为笔记本电脑或台式电脑等电子设备,校验设备103和数据处理设备可以为手机、笔记本电脑、台式电脑、平板电脑或智能电视机等电子设备,。
可选地,数据处理系统10中的任意至少两个设备可以集成在一起,如用户终端104与数据处理设备可以为同一设备(本申请以下实施例以此种方式为例对数据处理方法进行说明);或者数据处理系统10中的各个设备均可以集成在一起,例如终端上具有算法仓库,且终端同时作为校验设备和数据处理设备。
可选地,本申请实施例提供的数据处理系统中,算法仓库101可以用于存储不同功能对应的多个算法。可选地,算法仓库101中还可以存储有每个算法的标识信息与执行环境条件,该标识信息可以指示算法用于实现的功能,该执行环境条件用于指示执行算法所需的环境条件。该执行环境条件可以包括:计算能力值、执行算法所需的芯片型号和系统环境信息,该系统环境信息可以包括算法所需运行的芯片平台、系统位宽和内核版本。示例地,每个算法对应的计算能力值为:处理设备执行该算法所消耗的计算资源,该计算能力值以百分比的形式呈现。芯片型号包括中央处理单元(Central Processing Unit,CPU)型号和显卡型号等,系统位宽可以为32位、64位等。某些算法对执行该算法的芯片型号、系统位宽和内核版本有要求,这是编写算法代码时决定的,当算法代码固定之后,执行环境条件就固定。如果算法对应的计算能力值过高,则处理设备无法执行该算法。算法代码放在不匹配的执行环境中执行,可能会发生程序崩溃,或者运行错误。
调度设备102可以用于进行资源管理与任务调度,以使各个任务在最优选的设备上执行,以保证较高的调度性能与资源利用率。校验设备103可以用于对算法仓库中存储的算法进行校验。用户终端104可以用于与用户进行交互,以接收用户的控制指令,或向用户发送信息。可选地,用户可以通过用户终端向调度设备102下发任务,还可以向算法仓库数据101上传算法,以及调整算法的标识信息及其他描述信息。数据处理设备可以用于根据用户的需求,获取算法仓库中存储的算法以采用该算法进行数据处理。
在图1所示的数据处理系统中,用户可以在用户终端上进行操作,针对多个已有算法进行编排,生成用户定制的新算法。可选地,用户可以选择已有算法中的多个辅助算法,获取该多个辅助算法的执行顺序,进而根据该执行顺序对该多个辅助算法进行编排,得到新算法。可选地,根据该执行顺序对该多个辅助算法进行编排可以生成参考算法,接着可以根据该多个辅助算法的执行环境条件,对该参考算法进行静态校验;当参考算法通过该静态校验之后,再将该生成的参考算法确定为算法编排得到的新算法。
可选地,当多个辅助算法的计算能力值之和小于或等于计算能力阈值,且执行该多个辅助算法所需的芯片型号和系统环境信息均相同时,确定该参考算法通过静态校验。
图2是本申请实施例提供的一种进行算法编排与数据处理的流程图。请参考图2,用户进行算法编排与数据处理的过程可以依次包括:算法选择、设置编排规则、算法编排、算法静态校验、算法存储和智能分析(也即是算法应用)。
示例地,用户在选择辅助算法后可以确定选择的多个辅助算法的执行顺序(也即是设置编排规则),进而将多个辅助算法根据该执行顺序串联或并联,以对该多个辅助算法进行编排(也即是进行算法编排)。例如,该执行顺序可以如图2中虚线框中的顺序图所示。之后可以确定该多个辅助算法的计算能力值之和是否小于或等于计算能力阈值,且执行该多个辅助算法所需的芯片型号和系统环境信息是否均相同(也即是进行算法静态校验),在静态校验通过后确定新算法生成完毕,将生成的新算法存储在算法仓库中(也即是进行算法存储)。之后还可以应用该新算法进行数据处理(也即进行智能分析)。
对新算法进行校验后再投入使用,可以提升准确性,减少错误的发生。
需要说明的是,在针对两个算法进行编排时,将该两个算法串联,也即是使该两个算法中的一个算法的输出结果作为另一个算法的输入数据。将两个算法并联,也即是采用该两个算法对相同的输入数据进行处理。
可选地,当辅助算法包括完整算法时,对两个辅助算法进行编排后得到的新算法,可以具有该两个辅助算法的复合功能。
目前在需要对待处理数据进行某处理时,若进行该处理需要通过两种算法实现,则需要采用该两种算法对该待处理数据分别进行处理,接着将得到的两种处理结果进行数据融合。示例地,请参考图3中的S1,若需要对图像X进行人脸识别和车辆识别,则需要分别采用人脸识别算法对图像X中的人物部分进行识别,如识别结果为:驾驶员为张三,副驾驶为李四;以及采用车辆识别算法对图像X中的车牌部分进行识别,如识别结果为:车辆为浙AXXXXX。
而对人脸识别算法和车辆识别算法进行编排后得到的算法,可以直接实现人脸识别和车辆识别的复合功能。如请参考图3中的S2,可以直接采用编排后得到的算法对图像X进行处理,得到车辆信息与驾驶员信息。
可选地,当辅助算法包括用于组成完整算法的子算法时,将辅助算法进行不同的组合编排,可以得到用于实现不同的完整智能分析功能的新算法。
示例地,请参考图4,对视频进行处理的子算法可以包括:目标检测子算法、人体属性确定子算法、车辆属性确定子算法、人体建模子算法、车辆建模子算法和行为分析子算法。例如,可以将目标检测子算法、人体属性确定子算法、车辆属性确定子算法和人体建模子算法进行编排,以对小区或社区监控视频进行处理。可以对目标检测子算法和行为分析子算法进行编排,以进行多场景行为分析。可以仅采用目标检测子算法进行卡口人脸检测。可以对目标检测子算法、车辆属性确定子算法和车辆建模子算法进行编排,以进行治安车辆分析。
图5是本申请实施例提供的另一种进行算法编排与数据处理的过程,请参考图5,在图2的基础上该过程在算法存储之后还包括可用性校验,当校验通过时再进行智能分析。
以下对进行可用性校验及之后的数据处理过程进行解释说明。
图6是本申请实施例提供的一种数据处理方法的流程图,如图6所示,该方法可以包括:
步骤201、接收到针对目标算法的校验请求后,获取目标算法及目标算法对应的一组或多组校验数据。
其中,校验数据的数据类型为目标算法适用的数据类型,也即是校验数据为能够采用目标算法进行处理的数据。示例地,若目标算法为图像处理算法,则校验数据为图像数据;若目标算法为音频处理算法,该校验数据为音频数据。
步骤202、采用目标算法对一组或多组校验数据进行处理,得到处理结果。
步骤203、接收到针对处理结果的确认正确指令时,确定目标算法通过校验。
步骤204、在对待处理数据进行目标处理时,调用通过校验的目标算法对待处理数据进行目标处理。
综上所述,本申请实施例提供的数据处理方法中,可以采用目标算法对其对应的校验数据进行处理,在根据处理结果确定目标算法通过校验后,才在对待处理数据进行目标处理时,调用该通过校验的目标算法对待处理数据进行目标处理。由于进行数据处理时调用的目标算法通过校验,因此保证了调用目标算法进行数据处理的准确性,提升了调用算法进行数据处理的效果。
接下来,以上述数据处理方法应用于图1所示的数据处理系统10为例,对该方法进行说明。如图7所示,该数据处理方法可以包括:
步骤301、用户终端向算法仓库发送算法查询请求。
可选地,算法仓库中存储有各个算法的状态信息,算法的状态信息可以为未校验状态、校验通过状态或校验未通过状态。算法查询请求可以用于查询算法仓库中存储的状态为未校验状态的算法。
可选地,算法仓库中还可以存储有各个算法的类型,算法的类型可以为原生算法或编排算法。其中,原生算法为算法提供厂商直接提供的完整的算法包,编排算法可以为用户自定义编排的算法或算法包,也即是上述的进行算法编排后得到的新算法。算法查询请求还可以用于请求获取算法仓库中存储的编排算法中状态为未校验状态的算法。
步骤302、算法仓库基于算法查询请求,向用户终端发送算法仓库中存储的状态为未校验状态的算法的标识信息。
可选地,算法仓库中存储的每个算法可以有对应的标识信息。
示例地,算法的标识信息用于指示算法实现的功能。例如,用于确定图像或视频中的目标对象的算法的标识信息可以为“对象检测算法”,用于通过目标对象对应的评分标准确定优选图像的算法的标识信息可以为“评分选优算法”。
又示例地,算法的标识信息也可以为算法分配的标识号码。例如,用于确定图像或视频中的目标对象的算法的标识信息可以为“123”,用于通过目标对象对应的评分标准确定优选图像的算法的标识信息可以为“1234”。
假设,标识信息为“123”的算法为编排算法,且未进行校验,则在算法仓库中存储的该算法对应的条目可以如下表1所示。
表1
标识信息 | 类型 | 状态信息 |
123 | 编排算法 | 未校验 |
步骤303、用户终端显示接收到的状态为未校验状态的算法的标识信息。
用户终端可以具有显示屏,可以在用户终端的显示屏上显示接收到的标识信息。可选地,该显示屏可以为触控屏。
步骤304、在用户终端接收到针对显示的标识信息中目标算法的标识信息的选定指令时,向调度设备发送针对目标算法的校验请求。
可选地,用户可以针对用户终端的显示屏上显示的各个标识信息进行操作,如用户可以点击用户显示屏中目标算法的标识信息的显示区域,此时用户终端可以确定接收到针对目标算法的标识信息的选定指令,进而向调度设备发送针对算法仓库中存储的目标算法的校验请求。
可选地,该针对目标算法的校验请求中可以携带有目标算法的标识信息,以便于调度设备可以根据该标识信息确定对哪个算法进行校验。
需要说明的是,本申请实施例以通过用户选择算法对应的标识信息确定目标算法为例;可选地,调度设备可以直接默认算法仓库中的编排算法为目标算法,此时,用户可以仅触发用户终端向调度设备发送校验请求,调度设备可以直接将该校验请求确定为针对算法仓库中的编排算法的校验请求。对每次编排完后的新算法都自动进行校验,可以避免算法运行错误,提升准确率。
步骤305、调度设备基于针对目标算法的校验请求,分配提供校验资源的目标校验设备。
可选地,调度设备可以根据接收到的校验请求中携带的标识信息,确定待校验的算法为目标算法,进而可以在算法仓库中获取该目标算法的执行环境条件,以根据该执行环境条件分配提供校验资源的目标校验设备。
示例地,根据该执行环境条件分配提供校验资源的目标校验设备时,调度设备可以从算法仓库中查询该目标算法对应的执行环境条件,调度设备还可以获取各个校验设备当前的执行环境信息,确定执行环境信息满足该执行环境条件的目标校验设备,进而在该目标校验设备中为目标算法的校验过程分配校验资源。
其中,执行环境条件用于指示执行算法所需的环境条件,执行环境条件可以包括:计算能力值、执行算法所需的芯片型号和系统环境信息,该系统环境信息可以包括算法所需运行的芯片平台、系统位宽和内核版本。调度设备可以在各个校验设备中,确定计算能力值大于或者等于执行目标算法所需的计算能力值、芯片型号与目标算法对应的基准芯片型号相匹配、且系统环境信息与目标算法对应的基准系统环境信息相匹配的目标校验设备。之后,调度设备向目标校验设备发送校验指令,所述校验指令中携带需校验的目标算法的信息,例如,目标算法的标识信息等。
可选地,若调度设备连接的校验设备中并不存在执行环境信息满足该执行环境条件的目标校验设备,则调度设备可以向用户终端发送资源分配失败信息。可选地,该资源分配失败信息可以提示用户在其他时间发起对目标算法的校验。
步骤306、目标校验设备获取目标算法对应的一组或多组校验数据,向算法仓库发送目标算法请求指令。
其中,该校验数据的数据类型为目标算法适用的数据类型,也即是该校验数据为能够采用目标算法进行处理的数据。
示例地,目标算法为图像处理算法,则校验数据为图像数据,每组校验数据可以为一张图像对应的图像数据。又示例地,目标算法为视频处理算法,则校验数据为视频数据,每组校验数据可以为一个视频片段对应的视频数据。
可选地,目标校验设备可以获取多组校验数据,该多组校验数据的数据量有限。该多组校验数据的组数可以大于或等于组数阈值,以提高采用校验数据对目标算法进行校验得到的校验结果的准确度。可选地,该组数阈值可以为10、20或其他阈值,本申请实施例对此不做限定。如目标校验设备可以获取相独立的多张图像,或者获取相独立的多个视频片段。
又示例地,目标算法适用的数据类型为实时数据流,目标校验设备也可以获取目标算法对应的数据量无限的实时数据流作为校验数据。实时数据流也即是一组连续到达的数据序列,可被视为一个随时间延续而无限增长的动态数据集合。
可选地,目标校验设备可以向算法仓库发送目标算法请求指令,以请求获取目标算法。
需要说明的是,本申请实施例以在步骤305中,调度设备基于针对目标算法的校验请求,分配提供校验资源的目标校验设备为例进行解释说明。可选地,目标校验设备除进行算法校验外还可以执行其他业务。
可选地,在步骤305中,调度设备可以采用沙盒技术在目标校验设备中为算法校验过程分配校验资源,也即是将目标校验设备中的独立计算资源(如进程或容器)用于进行算法校验,其中容器也即是一个服务程序。
需要说明的是,沙盒技术指在本地操作系统的基础上,采用底层技术手段实现访问资源以及进程的限制和隔离,以构造出与本地操作系统共存但相互间完全隔离的虚拟计算环境。采用沙盒技术分配用于进行算法校验的校验资源,可以保证算法校验过程与目标校验设备中其他业务的执行过程相隔离,防止算法校验过程对目标校验设备的操作系统的影响,避免算法校验过程中出现错误导致的系统宕机等情况发生。
步骤307、算法仓库向目标校验设备发送目标算法。
当算法仓库接收到该目标算法请求指令后,可以向目标校验设备发送目标算法。
可选地,目标校验设备在获取到目标算法后,可以向用户终端发送获取成功信息,以便于用户对算法校验过程的监控。
步骤308、目标校验设备采用目标算法对获取的一组或多组校验数据进行处理,得到处理结果。
可选地,当步骤306中目标校验设备获取到目标算法对应的数据量有限的多组校验数据时,目标校验设备可以采用目标算法对每组校验数据分别进行处理,并得到每组校验数据对应的处理结果。
示例地,目标算法为图像识别算法,该多组校验数据包括10张图像对应的图像数据,目标校验设备可以分别对该10张图像进行识别,得到每张图像的识别结果。
可选地,当步骤306中目标校验设备获取到数据量无限的实时数据流作为校验数据时,目标校验设备还可以获取指定时长。目标校验设备可以采用目标算法对该实时数据流中依次传输的各组数据进行处理,得到每组数据对应的处理结果。
目标校验设备在对实时数据流进行处理时,可以进行计时。当到达指定时长时,目标校验设备停止对实时数据流的处理,此时根据得到的处理结果足以确定目标算法是否准确,避免采用目标算法对实时流数据进行过多处理造成的资源消耗。可选地,在到达指定时长时,目标校验设备也可以通过停止获取实时数据流,以停止采用目标算法对校验数据进行处理。
可选地,该指定时长也可以由调度设备获取,进而在目标校验设备对实时数据流进行处理时,调度设备可以进行时间轮询,以确定是否到达指定时长,并在确定到达指定时长时,控制目标校验设备停止采用目标算法对实时数据流进行处理。
可选地,目标校验设备在得到每组校验图像对应的处理结果后,可以保存该处理结果,也可以将该处理结果发送至调度设备,以使调度设备保存该处理结果。如此,目标校验设备可以无需在得到处理结果后立即发送至用户终端,而可以在用户终端向目标校验设备或调度设备查询处理结果时,再向用户终端发送该处理结果,进而提高了处理结果发送的灵活性。
步骤309、目标校验设备向用户终端发送处理结果。
示例地,目标校验设备在采用目标算法对校验数据进行处理得到处理结果后,可以将每组校验数据及其对应的处理结果的对应关系发送至用户终端。
步骤310、用户终端显示每组校验数据对应的处理结果。
可选地,用户终端在接收到处理结果后,可以在显示屏上显示每组数据及其对应的处理结果的对应关系。
示例地,假设目标算法为图像识别算法,在步骤306中目标校验设备获取了3张待校验图像A、B和C,在步骤308中目标校验设备采用该图像识别算法识别出图像A为人脸图像,图像B为建筑图像,图像C为风景图像。则在步骤310中用户终端可以显示图8所示的显示界面。如图8所示,该显示界面中可以显示图像A、B和C,且在每张图像下方显示该图像对应的识别结果。
步骤311、用户终端在接收到针对处理结果的确认正确指令时,确定目标算法通过校验,执行步骤312,否则,执行步骤313。
可选地,在用户终端显示每组校验数据对应的处理结果后,用户可以判断该每组校验数据对应的处理结果是否正确。在确定每组校验数据对应的处理结果均正确时,用户可以针对用户终端进行第一指定操作。当用户终端检测到该第一指定操作时,用户终端可以确定接收到针对处理结果的确认正确指令,进而确定目标算法通过校验。
可选地,该第一指定操作可以为针对显示屏的第一指定区域的点击操作,或者第一指定手势操作,或者其他自定义操作,本申请实施例对此不做限定。
示例地,请继续参考图8,用户终端在显示每组数据及其对应的处理结果的对应关系时,还可以显示“校验通过”选项。当用户终端检测到针对“校验通过”选项的点击操作时,可以确定接收到针对处理结果的确认正确指令。
可选地,用户终端在确定目标算法通过校验时,可以直接向算法仓库发送第一反馈信息,或者通过调度设备向算法仓库发送第一反馈信息,以指示该目标算法通过校验。
步骤312、算法仓库将通过校验的目标算法的状态修改为校验通过状态。
可选地,算法仓库可以在接收到该第一反馈信息后,将目标算法的状态修改为校验通过状态。
示例地,以目标算法为步骤302中假设的标识信息为“123”的算法为例,则在步骤312之后,在算法仓库中存储的目标算法对应的条目可以如下表2所示。
表2
标识信息 | 类型 | 状态信息 |
123 | 编排算法 | 校验通过 |
步骤313、用户终端在接收到针对处理结果的确认错误指令时,确定目标算法未通过校验。
可选地,在用户终端显示每组校验数据对应的处理结果后,用户可以判断该每组校验数据对应的处理结果是否正确。在确定存在错误的处理结果时,用户可以针对用户终端进行第二指定操作,当用户终端检测到该第二指定操作时,用户终端可以确定接收到针对处理结果的确认错误指令,进而确定目标算法未通过校验。
可选地,该第二指定操作可以为针对显示屏的第二指定区域的点击操作,或者第二指定手势操作,或者其他自定义操作,本申请实施例对此不做限定。
示例地,请继续参考图8,用户终端在显示每组数据及其对应的处理结果的对应关系时,还可以显示“校验未通过”选项。当用户终端检测到针对“校验未通过”选项的点击操作时,可以确定接收到针对处理结果的确认错误指令。
可选地,用户终端在确定目标算法未通过校验时,可以直接向算法仓库发送第二反馈信息,或者通过调度设备向算法仓库发送第二反馈信息,以指示该目标算法未通过校验。
步骤314、算法仓库将未通过校验的目标算法的状态修改为校验未通过状态。
可选地,算法仓库可以在接收到该第二反馈信息后,将目标算法的状态修改为校验未通过状态。可选地,算法仓库也可以在接收到该第二反馈信息后直接删除未通过校验的目标算法。
示例地,以目标算法为步骤302中假设的标识信息为“123”的算法为例,则在步骤314之后,在算法仓库中存储的目标算法对应的条目可以如下表3所示。
表3
标识信息 | 类型 | 状态信息 |
123 | 编排算法 | 校验未通过 |
需要说明的是,本申请实施例上述内容中以校验数据的组数需大于或等于组数阈值为例进行解释说明。可选地,当校验数据的组数小于组数阈值时,仍可以进行算法校验,此时可以对每组校验数据重复处理,且使重复处理的次数大于或等于次数阈值,以保证目标算法的校验可靠性。
还需要说明的是,上述步骤308至步骤314中,以用户的判断为基准确定目标算法是否通过校验为例进行解释说明,可选地,目标校验设备也可以自动确定目标算法是否通过校验。
可选地,目标校验设备可以在确定对校验数据进行处理得到的处理结果满足指定条件时,自动确定目标算法未通过校验。在确定对校验数据进行处理得到的处理结果不满足指定条件时,目标校验设备可以将处理结果发送至用户终端使用户确定该目标算法是否通过校验,或者,目标校验设备也可以直接确定目标算法通过校验。
示例地,该指定条件可以为对于同一组校验数据进行多次处理的处理结果中存在至少两个不同的处理结果。此时,目标校验设备可以采用目标算法对每组数据重复处理至少两次。当存在至少两个不同的处理结果时,目标校验设备可以自动确定目标算法未通过校验;当多次处理的处理结果均相同时,目标校验设备可以将处理结果发送至用户终端使用户确定该目标算法是否通过校验,或者,目标校验设备也可以直接确定目标算法通过校验。
可选地,当出现校验进程崩溃或目标校验设备在目标时长内未输出处理结果时,目标校验设备可以直接确定目标算法未通过校验。当目标校验设备正常输出处理结果时,可以将处理结果发送至用户终端使用户判断该处理结果是否正确,进而确定该目标算法是否通过校验。
步骤315、用户终端在对待处理数据进行目标处理时,调用通过校验的目标算法,基于所述通过校验的目标算法对待处理数据进行目标处理。
可选地,算法仓库中仅状态为通过校验的算法可以被调用以对待处理数据进行处理。
在需要用户终端对待处理数据进行目标处理时,用户终端需在算法仓库中获取目标处理所需的算法,此时由于用户终端仅可调用已通过校验的算法(如目标算法),因此可以保证用户终端调用该目标算法对待处理数据进行处理的准确性。
可选地,本申请实施例中,用户终端在接收到针对目标算法的校验请求之后,可以显示当前校验状态对应的提示信息,以便于用户对当前校验状态的监控。
示例地,若当前目标校验设备仍在获取目标算法,或者获取校验数据,或者对校验数据进行处理,则该当前校验状态可以为校验中状态。例如,可以在显示屏上显示“校验中”字样。若目标校验设备已停止对校验数据进行处理,则该当前校验状态可以为校验完成状态。例如,可以在显示屏上显示“校验完成”字样。
综上所述,本申请实施例提供的数据处理方法中,可以采用目标算法对其对应的校验数据进行处理,在根据处理结果确定目标算法通过校验后,才在对待处理数据进行目标处理时调用该通过校验的目标算法。由于进行数据处理时调用的目标算法通过校验,因此保证了调用目标算法进行数据处理的准确性,提升了调用算法进行数据处理的效果。
图9是本申请实施例提供的一种数据处理装置的结构示意图。该数据处理装置可以用于图1所示的数据处理系统。如图9所示,该数据处理装置90可以包括:
第一获取模块901,用于接收到针对目标算法的校验请求后,获取目标算法及目标算法对应的一组或多组校验数据。
第一处理模块902,用于采用目标算法对一组或多组校验数据进行处理,得到处理结果。
第一确定模块903,用于接收到针对处理结果的确认正确指令时,确定目标算法通过校验。
第二处理模块904,用于在对待处理数据进行目标处理时,调用通过校验的目标算法对待处理数据进行目标处理。
综上所述,本申请实施例提供的数据处理装置中,可以采用目标算法对其对应的校验数据进行处理,在根据处理结果确定目标算法通过校验后,才在对待处理数据进行目标处理时调用该通过校验的目标算法。由于进行数据处理时调用的目标算法通过校验,因此保证了调用目标算法进行数据处理的准确性,提升了调用算法进行数据处理的效果。
可选地,第一获取模块901还可以用于:
当目标算法适用的数据类型为图片或视频时,获取目标算法对应的多组图片或视频,将多组图片或视频作为校验数据,多组图片和视频的组数均大于或等于组数阈值。
可选地,第一获取模块901还可以用于:
当目标算法适用的数据类型为实时数据流时,获取目标算法对应的实时数据流,将实时数据流作为校验数据。
第一处理模块902还可以用于:
采用目标算法对实时数据流进行处理;在指定时长后停止对实时数据流的处理。
可选地,第一处理模块902还可以用于:
基于目标算法的执行环境条件分配校验资源,调用分配的校验资源采用目标算法对一组或多组校验数据进行处理,得到处理结果,执行环境条件用于指示执行算法所需的环境条件。
可选地,图10是本申请实施例提供的另一种数据处理装置的结构示意图。如图10所示,在图9的基础上,数据处理装置90还可以包括:
第一显示模块905,用于在接收到算法查询请求时,显示状态为未校验状态的算法的标识信息。
第一处理模块902还可以用于:
在接收到针对显示的标识信息中目标算法的标识信息的选定指令时,基于目标算法的执行环境条件分配校验资源。
可选地,图11是本申请实施例提供的又一种数据处理装置的结构示意图,如图11所示,在图10的基础上,数据处理装置90还可以包括:
第一修改模块906,用于将目标算法的状态修改为校验通过状态。
可选地,图12是本申请实施例提供的再一种数据处理装置的结构示意图,如图12所示,在图10的基础上,数据处理装置90还可以包括:
第二确定模块907,用于在接收到针对处理结果的确认错误指令时,确定目标算法未通过校验。
第二修改模块908,用于将目标算法的状态修改为校验未通过状态。
可选地,图13是本申请实施例提供的还一种数据处理装置的结构示意图。如图13所示,在图9的基础上,数据处理装置90还可以包括:
第二显示模块909,在接收到针对目标算法的校验请求后,显示当前校验状态对应的提示信息,当前校验状态包括校验中状态或校验完成状态。
可选地,数据处理装置90还可以包括:
第二获取模块,用于在接收到针对目标算法的校验请求之前,获取多个辅助算法的执行顺序,辅助算法包括完整算法或者用于组成完整算法的子算法。
编排模块,用于根据执行顺序对多个辅助算法进行编排,得到目标算法。
可选地,编排模块还可以用于:
根据执行顺序对多个辅助算法进行编排,生成参考算法;根据多个辅助算法的执行环境条件,对参考算法进行静态校验,执行环境条件用于指示执行算法所需的环境条件;在参考算法通过静态校验后,将参考算法确定为目标算法。
综上所述,本申请实施例提供的数据处理装置中,可以采用目标算法对其对应的校验数据进行处理,在根据处理结果确定目标算法通过校验后,才在对待处理数据进行目标处理时调用该通过校验的目标算法。由于进行数据处理时调用的目标算法通过校验,因此保证了调用目标算法进行数据处理的准确性,提升了调用算法进行数据处理的效果。
在示例性实施例中,还提供了一种数据处理装置,所述数据处理装置包括处理器和存储器,所述存储器中存储有至少一条指令。所述至少一条指令经配置以由一个或者一个以上处理器执行,以实现上述任一种数据处理方法。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令在被计算机设备的处理器执行时实现上述任一种数据处理方法。
可选地,上述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
需要说明的是:上述实施例提供的装置仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
此外,本申请实施例提供的方法实施例能够与相应的装置实施例相互参考,本申请实施例对此不做限定。本申请实施例提供的方法实施例步骤的先后顺序能够进行适当调整,步骤也能够根据情况进行相应增减,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本申请的保护范围之内,因此不再赘述。
以上所述仅为本申请的可选实施例,并不用以限制本申请,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,均应包含在本申请的保护范围之内。
Claims (13)
1.一种数据处理方法,其特征在于,所述方法包括:
接收到针对目标算法的校验请求后,获取所述目标算法及所述目标算法对应的一组或多组校验数据;
采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果;
接收到针对所述处理结果的确认正确指令时,确定所述目标算法通过校验;
在对待处理数据进行目标处理时,调用通过校验的所述目标算法对所述待处理数据进行目标处理。
2.根据权利要求1所述的方法,其特征在于,所述获取所述目标算法对应的一组或多组校验数据,包括:
当所述目标算法适用的数据类型为图片或视频时,获取所述目标算法对应的多组图片或视频,将所述多组图片或视频作为校验数据,所述多组图片和视频的组数均大于或等于组数阈值。
3.根据权利要求1所述的方法,其特征在于,所述获取所述目标算法对应的一组或多组校验数据,包括:
当所述目标算法适用的数据类型为实时数据流时,获取所述目标算法对应的实时数据流,将所述实时数据流作为校验数据;
所述采用所述目标算法对所述一组或多组校验数据进行处理,包括:
采用所述目标算法对所述实时数据流进行处理;
在指定时长后停止对所述实时数据流的处理。
4.根据权利要求1至3任一所述的方法,其特征在于,所述采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果,包括:
基于所述目标算法的执行环境条件分配校验资源,调用分配的校验资源采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果,所述执行环境条件用于指示执行算法所需的环境条件。
5.根据权利要求4所述的方法,其特征在于,所述接收到针对所述目标算法的校验请求之前,所述方法还包括:
在接收到算法查询请求时,显示状态为未校验状态的算法的标识信息;
所述基于所述目标算法的执行环境条件分配校验资源,包括:
在接收到针对显示的标识信息中所述目标算法的标识信息的选定指令时,基于所述目标算法的执行环境条件分配校验资源。
6.根据权利要求5所述的方法,其特征在于,在确定所述目标算法通过校验之后,所述方法还包括:
将所述目标算法的状态修改为校验通过状态。
7.根据权利要求1至3任一所述的方法,其特征在于,所述方法还包括:
在接收到针对所述处理结果的确认错误指令时,确定所述目标算法未通过校验;
将所述目标算法的状态修改为校验未通过状态。
8.根据权利要求1至3任一所述的方法,其特征在于,所述方法还包括:
在接收到针对目标算法的校验请求后,显示当前校验状态对应的提示信息,当前校验状态包括校验中状态或校验完成状态。
9.根据权利要求1至3任一所述的方法,其特征在于,在接收到针对目标算法的校验请求之前,所述方法还包括:
获取多个辅助算法的执行顺序,所述辅助算法包括完整算法或者用于组成完整算法的子算法;
根据所述执行顺序对所述多个辅助算法进行编排,得到所述目标算法。
10.根据权利要求9所述的方法,其特征在于,根据所述执行顺序对所述多个辅助算法进行编排,得到所述目标算法,包括:
根据所述执行顺序对所述多个辅助算法进行编排,生成参考算法;
根据所述多个辅助算法的执行环境条件,对所述参考算法进行静态校验,所述执行环境条件用于指示执行算法所需的环境条件;
在所述参考算法通过静态校验后,将所述参考算法确定为所述目标算法。
11.一种数据处理装置,其特征在于,所述数据处理装置包括:
第一获取模块,用于接收到针对目标算法的校验请求后,获取所述目标算法及所述目标算法对应的一组或多组校验数据;
第一处理模块,用于采用所述目标算法对所述一组或多组校验数据进行处理,得到处理结果;
第一确定模块,用于接收到针对所述处理结果的确认正确指令时,确定所述目标算法通过校验;
第二处理模块,用于在对待处理数据进行目标处理时,调用通过校验的所述目标算法对所述待处理数据进行目标处理。
12.根据权利要求11所述的数据处理装置,其特征在于,所述数据处理装置还包括:
第二获取模块,用于在接收到针对目标算法的校验请求之前,获取多个辅助算法的执行顺序,所述辅助算法包括完整算法或者用于组成完整算法的子算法;
编排模块,用于根据所述执行顺序对所述多个辅助算法进行编排,得到所述目标算法。
13.根据权利要求12所述的数据处理装置,其特征在于,所述编排模块还用于:
根据所述执行顺序对所述多个辅助算法进行编排,生成参考算法;
根据所述多个辅助算法的执行环境条件,对所述参考算法进行静态校验,所述执行环境条件用于指示执行算法所需的环境条件;
在所述参考算法通过静态校验后,将所述参考算法确定为所述目标算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517480.1A CN112084827B (zh) | 2019-06-14 | 2019-06-14 | 数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517480.1A CN112084827B (zh) | 2019-06-14 | 2019-06-14 | 数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084827A true CN112084827A (zh) | 2020-12-15 |
CN112084827B CN112084827B (zh) | 2024-02-23 |
Family
ID=73734107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910517480.1A Active CN112084827B (zh) | 2019-06-14 | 2019-06-14 | 数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084827B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018010527A1 (zh) * | 2016-07-13 | 2018-01-18 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、系统及存储介质 |
US20180024851A1 (en) * | 2016-07-25 | 2018-01-25 | International Business Machines Corporation | Automated data structure-driven orchestration of complex server provisioning tasks |
CN108432208A (zh) * | 2016-12-15 | 2018-08-21 | 华为技术有限公司 | 一种业务编排方法、装置及服务器 |
CN108446175A (zh) * | 2018-03-12 | 2018-08-24 | 平安普惠企业管理有限公司 | 任务处理方法、装置、计算机设备和存储介质 |
EP3467662A1 (en) * | 2017-10-09 | 2019-04-10 | Accenture Global Solutions Limited | Verification of applications that utilize artificial intelligence |
CN109657804A (zh) * | 2018-11-29 | 2019-04-19 | 湖南视比特机器人有限公司 | 云平台下的模型动态训练、校验、更新维护和利用方法 |
CN109684498A (zh) * | 2018-12-21 | 2019-04-26 | 北京贝思科技术有限公司 | 图像分析算法模型的运行方法、通用平台及存储介质 |
CN109815013A (zh) * | 2019-01-02 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 业务数据处理方法、装置、计算机设备和存储介质 |
-
2019
- 2019-06-14 CN CN201910517480.1A patent/CN112084827B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018010527A1 (zh) * | 2016-07-13 | 2018-01-18 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、系统及存储介质 |
US20180024851A1 (en) * | 2016-07-25 | 2018-01-25 | International Business Machines Corporation | Automated data structure-driven orchestration of complex server provisioning tasks |
CN108432208A (zh) * | 2016-12-15 | 2018-08-21 | 华为技术有限公司 | 一种业务编排方法、装置及服务器 |
EP3467662A1 (en) * | 2017-10-09 | 2019-04-10 | Accenture Global Solutions Limited | Verification of applications that utilize artificial intelligence |
CN108446175A (zh) * | 2018-03-12 | 2018-08-24 | 平安普惠企业管理有限公司 | 任务处理方法、装置、计算机设备和存储介质 |
CN109657804A (zh) * | 2018-11-29 | 2019-04-19 | 湖南视比特机器人有限公司 | 云平台下的模型动态训练、校验、更新维护和利用方法 |
CN109684498A (zh) * | 2018-12-21 | 2019-04-26 | 北京贝思科技术有限公司 | 图像分析算法模型的运行方法、通用平台及存储介质 |
CN109815013A (zh) * | 2019-01-02 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 业务数据处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
刘松涛, 周晓东, 沈同圣, 韩艳丽: "基于VC++6.0的目标识别和跟踪算法验证系统", 计算机应用与软件, no. 05, pages 80 - 81 * |
毛征 等: "目标成像处理算法验证平台设计与实现", 系统仿真技术, vol. 7, no. 1, pages 23 - 28 * |
Also Published As
Publication number | Publication date |
---|---|
CN112084827B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108462760B (zh) | 电子装置、集群访问域名自动生成方法及存储介质 | |
CN107729137B (zh) | 服务器、区块链验签解密的方法及存储介质 | |
US20190158626A1 (en) | Method, apparatus and computer readable storage medium for processing service | |
CN111045811A (zh) | 一种任务分配方法、装置、电子设备及存储介质 | |
CN111885184A (zh) | 高并发场景下热点访问关键字处理方法和装置 | |
CN112685148A (zh) | 海量终端的异步通信方法、装置、计算机设备和存储介质 | |
CN112306833A (zh) | 应用程序的崩溃统计方法、装置、计算机设备及存储介质 | |
WO2022134809A1 (zh) | 模型训练处理方法、装置、计算机设备及介质 | |
CN109670932B (zh) | 信贷数据核算方法、装置、系统和计算机存储介质 | |
CN111913743B (zh) | 数据处理方法及装置 | |
CN108280024B (zh) | 流量分配策略测试方法、装置及电子设备 | |
CN111277626B (zh) | 服务器升级方法、装置、电子设备及介质 | |
CN107634978B (zh) | 一种资源调度方法及装置 | |
CN111949470B (zh) | 一种芯片验证方法、装置、电子设备及存储介质 | |
CN112181599A (zh) | 模型训练方法、装置及存储介质 | |
CN112084827B (zh) | 数据处理方法及装置 | |
CN114302351A (zh) | 短信业务处理方法、装置、计算机设备和存储介质 | |
CN114567571A (zh) | 性能测试方法、装置、电子设备和计算机可读存储介质 | |
CN114036218A (zh) | 一种数据模型切换方法、装置、服务器和存储介质 | |
CN114124835A (zh) | 基于接口的数据传输方法、装置、设备及介质 | |
CN113608847A (zh) | 任务处理方法、装置、设备及存储介质 | |
CN110391929B (zh) | 一种容错控制方法、装置及容错构件 | |
CN112738213A (zh) | 基于区块链的任务需求响应方法、装置、系统及存储介质 | |
CN113703930A (zh) | 任务调度方法、装置及系统、计算机可读存储介质 | |
CN114860390B (zh) | 容器数据管理方法、装置、程序产品、介质及电子设备 |
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 |