CN112910958A - 一种特征向量的统一方法、设备、通信系统和存储介质 - Google Patents
一种特征向量的统一方法、设备、通信系统和存储介质 Download PDFInfo
- Publication number
- CN112910958A CN112910958A CN202110054651.9A CN202110054651A CN112910958A CN 112910958 A CN112910958 A CN 112910958A CN 202110054651 A CN202110054651 A CN 202110054651A CN 112910958 A CN112910958 A CN 112910958A
- Authority
- CN
- China
- Prior art keywords
- feature vector
- end equipment
- model version
- vector model
- end device
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Communication Control (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种特征向量的统一方法、前端设备、后端设备、通信系统和计算机可读存储介质,该方法应用于通信系统中的后端设备,该通信系统包括前端设备以及后端设备,该方法包括:响应于前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同,判断前端设备是否支持特征向量模型版本的升级;若是,则向前端设备发送模型升级包,以使得前端设备基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,其中,模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。通过上述方式,本申请能够统一通信系统中的特征向量,减少智能模块性能的消耗,提高系统性能。
Description
技术领域
本申请涉及通信技术领域,具体涉及一种特征向量的统一方法、前端设备、后端设备、通信系统和计算机可读存储介质。
背景技术
在现有通信系统的端边云技术中,对图片流的处理方案是从端或边获取到图片流,然后将其传送到云,再由云在中心服务器中进行图片特征向量提取,而目前端、边、云各自的算法中使用的特征向量模型版本不统一,前端设备从图片流中提取的特征向量并不能在传到后端设备后被后端设备直接使用,后端设备仍然需要再次提取特征向量,而且端、边、云在使用各自的特征向量模型对图片流进行特征向量提取时,会消耗智能模块性能。
发明内容
本申请提供一种特征向量的统一方法、前端设备、后端设备、通信系统和计算机可读存储介质,能够统一通信系统中特征向量,减少智能模块性能的消耗,提高系统性能。
为解决上述技术问题,本申请采用的技术方案是提供一种特征向量的统一方法,该方法应用于通信系统中的后端设备,该通信系统包括前端设备以及后端设备,该方法包括:响应于前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同,判断前端设备是否支持特征向量模型版本的升级;若是,则向前端设备发送模型升级包,以使得前端设备基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,其中,模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。
为解决上述技术问题,本申请采用的另一技术方案是提供一种特征向量的统一方法,该方法应用于通信系统中的前端设备,该通信系统包括前端设备以及后端设备,后端设备用于在后端设备的特征向量模型版本信息与前端设备的特征向量模型版本信息不同时,判断前端设备是否支持特征向量模型版本的升级,该方法包括:在前端设备支持特征向量模型版本的升级时,接收后端设备发送的模型升级包;基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,其中,模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。
为解决上述技术问题,本申请采用的另一技术方案是提供一种后端设备,后端设备包括互相连接的存储器和处理器,其中,存储器用于存储计算机程序,计算机程序在被处理器执行时,用于实现权利要求上述的特征向量的统一方法。
为解决上述技术问题,本申请采用的又一技术方案是提供一种前端设备,前端设备包括互相连接的存储器和处理器,其中,存储器用于存储计算机程序,计算机程序在被处理器执行时,用于实现上述的特征向量的统一方法。
为解决上述技术问题,本申请采用的再一技术方案是提供一种通信系统,包括互相连接的前端设备和后端设备,后端设备用于在前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同时,判断前端设备是否支持特征向量模型版本的升级;若是,则向前端设备发送模型升级包;前端设备用于接收模型升级包,基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,其中,模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。
为解决上述技术问题,本申请采用的又一技术方案是提供一种计算机可读存储介质,用于存储计算机程序,该计算机程序在被处理器执行时,用于实现上述的特征向量的统一方法。
通过上述方案,本申请的有益效果是:后端设备在检测到前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同时,判断前端设备是否支持特征向量模型版本的升级;如果前端设备支持升级,后端设备就向前端设备发送模型升级包,该模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息;前端设备在接收到后端设备法发送的模型升级包后,可基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,以便在前端设备与后端设备的特征向量模型版本不同时,将支持升级的前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,实现对通信系统中的前端设备与后端设备所提取出的特征向量的统一,保证系统中的设备维护的是同一个特征向量模型版本,使得后端设备能够直接使用前端设备输出的特征向量,无需利用自身的智能模块对前端设备输出的特征向量进行特征提取,使得特征提取的次数减少,减少了智能模块性能的消耗,智能模块的处理任务减少,能够提升后端设备处理任务的速度,有助于提升系统性能。
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。其中:
图1是本申请提供的特征向量的统一方法一实施例的流程示意图;
图2是本申请提供的特征向量的统一方法另一实施例的流程示意图;
图3是本申请提供的特征向量的统一方法又一实施例的流程示意图;
图4是本申请提供的IVSS、IPC1以及IPC2组成的通信系统的结构示意图;
图5是本申请提供的后端设备一实施例的结构示意图;
图6是本申请提供的前端设备一实施例的结构示意图;
图7是本申请提供的通信系统一实施例的结构示意图;
图8是本申请提供的计算机可读存储介质一实施例的结构示意图。
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的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。
请参阅图1,图1是本申请提供的特征向量的统一方法一实施例的流程示意图,该方法应用于通信系统中的后端设备,该通信系统包括前端设备以及后端设备,该方法包括:
步骤11:响应于前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同,后端设备判断前端设备是否支持特征向量模型版本的升级。
后端设备可接收前端设备发送的特征向量模型版本信息,后端设备在识别到前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不相同时,例如,前端设备的特征向量模型版本为A,后端设备的特征向量模型版本为B,为了统一前端设备与后端设备的特征向量模型版本,可以对前端设备的特征向量模型版本进行升级处理,首先对前端设备是否支持特征向量模型版本的升级进行判断。
进一步地,在通信系统中的端边云技术中,前端设备以及后端设备是相对的,端可为前端、网络摄像机(IPC,IP Camera)或者球型摄像机等,边可为存储设备、网络视频录像机(NVR,Network Video Recorder)或者IVSS客户端等,云可为平台。本实施例以多级联系统为例进行说明,即一个云可连接多个端或者多个边,一个边可连接多个端,以端、边以及云分别为IPC、IVSS以及平台为例,一个平台可连接多个IPC或者多个IVSS,一个IVSS可连接多个IPC,但一个IPC不能同时连接IVSS与平台,即其之间的通信关系是一对一的;具体地,IPC可连接IVSS,然后IVSS再连接平台;可以理解地,IPC也可直接连接平台。在IPC连接IVSS,然后IVSS再连接平台的情况下,IPC相对于IVSS来说为前端设备,IVSS相对于IPC来说为后端设备;IVSS相对于平台来说是前端设备,平台相对于IVSS来说为后端设备。
可以理解地,若前端设备不支持特征向量模型版本的升级,则表明无法对前端设备的特征向量模型版本进行更新,此时后端设备无需向前端设备发送模型升级包。
步骤12:若前端设备支持特征向量模型版本的升级,则后端设备向前端设备发送模型升级包,以使得前端设备基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本。
后端设备可接收前端设备发送的是否支持特征向量模型版本的信息,以获取前端设备是否支持特征向量模型版本的升级,从而在确定出前端设备支持特征向量模型版本的升级时,发送模型升级包至前端设备。
具体地,模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息,后端设备将包括其特征向量以及特征向量模型版本信息的模型升级包发送给前端设备;前端设备在接收到该模型升级包后,可以根据后端设备的特征向量以及特征向量模型版本信息将自身的特征向量模型版本升级为后端设备的特征向量模型版本,从而能够实现前端设备以及后端设备特征向量模型版本的统一。例如,前端设备的特征向量模型版本为A,后端设备的特征向量模型版本为B,且前端设备支持特征向量模型版本的升级,则后端设备发送包含特征向量模型版本B的模型升级包以及相应的特征向量B*给前端设备,以将前端设备的特征向量模型版本A升级为特征向量模型版本B。
可以理解地,可以将前端设备的特征向量模型版本直接替换成后端设备的特征向量模型版本,并对相应的特征向量模型模板信息进行替换;或者可以保留来的特征向量模型版本与相应的特征向量模型版本信息;或者还可以进行特征向量的比较,替换部分特征向量,形成新的特征向量模型版本。
在本实施例中,后端设备在检测到前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同时,判断前端设备是否支持特征向量模型版本的升级;如果前端设备支持特征向量模型版本升级,后端设备就向支持升级的前端设备发送模型升级包,以使得前端设备基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,从而将前端设备以及后端设备的特征向量模型版本统一,实现对通信系统中的前端设备与后端设备所提取出的特征向量的统一,保证系统中的设备维护的是同一个特征向量模型版本,使得后端设备能够直接使用前端设备输出的特征向量,无需利用自身的智能模块对前端设备输出的特征向量进行特征提取,使得特征提取的次数减少,减少了智能模块性能的消耗,智能模块的处理任务减少,能够提升后端设备处理任务的速度,有助于提升系统性能。
请参阅图2,图2是本申请提供的特征向量的统一方法另一实施例的流程示意图,该方法应用于通信系统中的前端设备,通信系统包括前端设备以及后端设备,该方法包括:
步骤21:在前端设备支持特征向量模型版本的升级时,接收后端设备发送的模型升级包。
后端设备可在比较出后端设备的特征向量模型版本信息与前端设备的特征向量模型版本信息不同时,接收前端设备反馈的是否支持模型版本的升级的信息,以便判断出前端设备是否支持特征向量模型版本的升级;如果后端设备判断出前端设备支持特征向量模型版本的升级,则可生成一模型升级包,并将该模型升级包发送至前端设备。
步骤22:基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本。
以前端设备的特征向量模型版本信息为A,后端设备的特征向量模型版本信息为B为例进行说明,模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息,前端设备接收该模型升级包,根据后端设备的特征向量模型版本信息以及特征向量,将其自身的特征向量模型版本升级为后端设备的特征向量模型版本,即将前端设备的特征向量模型版本A升级为与后端设备一致的特征向量模型版本B,以使得前端设备和后端设备的特征向量模型版本统一。
步骤23:从前端智能模块中获取特征向量以及特征向量对应的特征向量模型版本信息。
前端设备包括前端智能模块,前端设备在对接收到的码流数据进行处理时,需要使用前端智能模块,从前端智能模块中获取出前端设备的特征向量模型版本信息以及对应的特征向量;例如,前端设备的原特征向量模型版本记作A,在前端设备接收到后端设备发送的模型升级包进行特征向量模型版本的升级后,前端设备的特征向量模型版本变为B,此时可从升级后的特征向量模型版本B中解析出特征向量B*。
步骤24:将特征向量以及特征向量模型版本信息添加到码流数据中,并将码流数据发送至后端设备。
以升级后的特征向量模型版本为B为例,前端设备可将特征向量模型版本B以及特征向量B*添加到码流数据中,然后将携带特征向量模型版本B以及特征向量B*的码流数据发送给后端设备;后端设备在接收到前端设备对码流数据后可以进行处理,得到特征向量B*以及所采用的特征向量模型版本B,以便根据特征向量模型版本B以及特征向量B*判断是否进行特征提取操作。
在一具体的实施例中,如图3所示,以前端设备和后端设备的交互过程对上述特征向量统一的方法进行进一步的说明。
1)前端设备发送设备信息至后端设备。
该设备信息包括前端设备的特征向量模型版本信息以及前端设备的升级参数,前端设备的升级参数包含前端设备是否支持特征向量模型版本的信息。具体地,可设置升级参数为“1”或者“0”,在升级参数为“1”时,表示前端设备支持特征向量模型版本更新;在升级参数为“0”时,表示前端设备不支持特征向量模型版本更新,以便后端设备可根据该升级参数来判断前端设备是否支持特征向量模型版本的更新。
2)后端设备在获取到前端设备发送的设备信息后,从后端智能模块中获取后端设备的特征向量模型版本信息。
与前端智能模块相同,后端设备在对前端设备的特征向量模型版本进行更新判断时,需要调用后端智能模块,将后端设备的特征向量模型版本信息读取出来,以便与接收到的前端设备的特征向量模型版本信息进行比较。进一步地,后端设备可根据接收到的前端设备发送的特征向量模型版本信息以及升级参数,对前端设备与自身的特征向量模型版本是否一致进行判断,再根据该升级参数判断前端设备是否支持特征向量模型版本的更新。
3)后端设备判断前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息是否相同。
若前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息相同,说明此时前端设备以及后端设备的特征向量模型版本一样,此时无需对前端设备中的特征向量模型版本进行升级处理。
4)若前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不相同,则判断前端设备是否支持特征向量模型版本的升级。
在前端设备与后端设备的特征向量模型版本不同时,后端设备可判断前端设备发送的设备信息中的升级参数是否为预设参数;若升级参数是预设参数,则确定前端设备支持特征向量模型版本的升级。具体地,预设参数可为“1”或者0”,可设置成:在升级参数为“1”时,前端设备支持特征向量模型版本的升级;或者也可设置成:在升级参数为“0”时,前端设备支持特征向量模型版本的升级,具体预设参数的设置可根据实际情况进行选择。
5)在确定前端设备支持特征向量模型版本的升级后,后端设备向前端设备发送模型升级包,以使得前端设备基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本。
模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息,前端设备在接收到完整的模型升级包后,按照后端设备的特征向量模型版本信息将其特征向量模型版本升级为与后端设备的特征向量模型版本相同的版本;进一步地,模型升级包在传输过程中可存在因网络或者其他因素导致出现数据丢失的情况,使得前端设备接收到的模型升级包不完整,例如,前端设备所接收到的数据包仅包含部分后端设备的特征向量模型版本信息,从而导致前端设备无法升级。
在一具体的实施例中,如图4所示,以IVSS、IPC1以及IPC2组成的通信系统为例,IVSS与IPC1以及IPC2连接,IPC1-IPC2相对于IVSS来说为前端设备,IVSS相对于IPC1-IPC2来说为后端设备,后端设备IVSS的特征向量模型版本为A,前端设备IPC1的特征向量模型版本为B且支持特征向量模型版本的升级,前端设备IPC2的特征向量模型版本为C且不支持特征向量模型版本的升级。
对于前端设备IPC1来说,其特征向量模型版本与后端设备IVSS的特征向量模型版本不同,而且前端设备IPC1支持特征向量模型版本的升级,故此时后端设备IVSS可向前端设备IPC1发送模型升级包,以便将前端设备IPC1的特征向量模型版本升级为A。对于前端设备IPC2来说,其特征向量模型版本与后端设备IVSS的特征向量模型版本不同,但是前端设备IPC2不支持特征向量模型版本的升级,故此时后端设备IVSS不发送模型升级包,前端设备IPC1的特征向量模型版本无法进行升级,其特征向量模型版本仍然是C。
6)在对前端设备的特征向量模型版本进行升级处理后,前端设备从前端智能模块中获取特征向量以及特征向量对应的特征向量模型版本信息;再将特征向量以及特征向量模型版本信息添加到码流数据中,并将码流数据发送至后端设备。
7)后端设备接收到前端设备输出的码流数据,再基于码流数据中携带的前端设备的特征向量模型版本信息,对前端设备的特征向量进行处理。
A.后端设备可以判断接收到的码流数据中是否携带前端设备的特征向量模型版本信息;若码流数据中不携带前端设备的特征向量模型版本信息,则对码流数据中携带的特征向量进行特征提取,对提取出的特征向量进行智能分析。
具体地,在前端设备将携带其特征向量以及特征向量模型版本信息的码流数据发送至后端设备的过程中,又或者是在添加其他信息至码流数据中时,可能会因为网络或者其他通信上的因素导致码流数据携带的信息丢失,而在特征向量模型版本信息丢失时,此时后端设备无法获取前端设备当下的特征向量模型版本信息,使得后端设备无法根据版本信息来判断是否与自身的特征向量模型版本信息相同,从而无法得知码流数据中携带的特征向量是否可以直接读取,此时后端设备需要对码流数据中的特征向量进行特征提取,再对提取出的特征向量进行智能分析。
B.若码流数据中携带前端设备的特征向量模型版本信息,再判断码流数据中携带的前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息是否相同。
在码流数据携带的前端设备的特征向量模型版本信息未丢失时,此时后端设备可根据该特征向量模型版本信息来判断前端设备的特征向量模型版本是否与自身的特征向量模型版本信息相同,从而判断前端设备发送的码流数据中携带的特征向量是否可直接读取。
C.若码流数据中携带的前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息相同,则读取码流数据携带的前端设备的特征向量,对前端设备的特征向量进行智能分析。
仍以图4的一台IVSS以及两个IPC组成的系统为例,IPC1为升级成功的前端,其特征向量模型版本为A,此时前端设备IPC1解析出码流数据中的特征向量,得到特征向量A*,此时后端设备IVSS的特征向量模型版本也为A,与升级后的前端设备IPC1的特征向量模型版本A相同,则此时后端设备IVSS可直接识别前端设备IPC1解析出的特征向量A*,不需要对码流数据中的特征向量进行特征提取。
D.若码流数据中携带的前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不相同,则后端设备对码流数据中携带的特征向量进行特征提取,并对提取出的特征向量进行智能分析。
以图4中的IPC2为例,未升级的前端设备IPC2的特征向量模型版本为C,此时前端设备IPC2解析出码流数据中的特征向量,得到特征向量C*,而此时的后端设备IVSS的特征向量模型版本为A,与前端设备IPC2的特征向量模型版本C不同,此时后端设备IVSS不能直接识别前端设备IPC2解析出的特征向量C*,还需要对码流数据中的特征向量重新进行特征提取,然后再对重新提取得到的特征向量进行智能分析。
在本实施例中,后端设备对特征向量模型版本不同且支持升级的前端设备进行特征向量模型版本的升级,以使得前端设备的特征向量模型版本升级为与后端设备相同,然后前端设备发送携带其特征向量以及特征向量模型版本信息的码流数据至后端设备,在前端设备与后端设备的特征向量模型版本信息相同时,后端设备无需利用自身的智能模块对前端设备输出的特征向量进行特征提取,直接使用前端设备输出的特征向量,实现特征向量的一端提取多端使用,以使得特征提取的次数减少,减少了智能模块性能的消耗,智能模块的处理任务减少,能够提升后端设备的处理任务的速度,有助于提升系统性能。
请参阅图5,图5是本申请提供的后端设备一实施例的结构示意图,后端设备50包括互相连接的存储器51和处理器52,其中,存储器51用于存储计算机程序,计算机程序在被处理器52执行时,用于实现上述的特征向量的统一方法。
请参阅图6,图6是本申请提供的前端设备一实施例的结构示意图,前端设备60包括互相连接的存储器61和处理器62,其中,存储器61用于存储计算机程序,计算机程序在被处理器62执行时,用于实现上述的特征向量的统一方法。
请参阅图7,图7是本申请提供的通信系统一实施例的结构示意图,通信系统70包括互相连接的前端设备71和后端设备72,后端设备用于在前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同时,判断前端设备是否支持特征向量模型版本的升级;若前端设备支持特征向量模型版本的升级,则向前端设备发送模型升级包;前端设备用于接收模型升级包,基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本,其中,模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。
请参阅图8,图8是本申请提供的计算机可读存储介质一实施例的结构示意图,计算机可读存储介质80用于存储计算机程序81,计算机程序81在被处理器执行时,用于实现上述实施例中的特征向量的统一方法。
计算机可读存储介质80可以是服务端、U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (13)
1.一种特征向量的统一方法,其特征在于,所述方法应用于通信系统中的后端设备,所述通信系统包括前端设备以及所述后端设备,所述方法包括:
响应于所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息不同,判断所述前端设备是否支持特征向量模型版本的升级;
若是,则向所述前端设备发送模型升级包,以使得所述前端设备基于所述模型升级包将所述前端设备的特征向量模型版本升级为所述后端设备的特征向量模型版本,其中,所述模型升级包包括所述后端设备的特征向量以及所述后端设备的特征向量模型版本信息。
2.根据权利要求1所述的特征向量的统一方法,其特征在于,所述响应于所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息不同,判断所述前端设备是否支持特征向量模型版本的升级的步骤之前,包括:
接收所述前端设备发送的设备信息,其中,所述设备信息包括所述前端设备的特征向量模型版本信息;
获取所述后端设备的特征向量模型版本信息,并判断所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息是否相同。
3.根据权利要求1所述的特征向量的统一方法,其特征在于,所述向所述前端设备发送模型升级包,以使得所述前端设备基于所述模型升级包将所述前端设备的特征向量模型版本升级为所述后端设备的特征向量模型版本的步骤之后,包括:
接收所述前端设备输出的码流数据,其中,所述码流数据携带所述前端设备的特征向量以及所述前端设备的特征向量模型版本信息;
基于所述码流数据中携带的所述前端设备的特征向量模型版本信息,对所述前端设备的特征向量进行处理。
4.根据权利要求3所述的特征向量的统一方法,其特征在于,所述基于所述码流数据中携带的所述前端设备的特征向量模型版本信息,对所述前端设备的特征向量进行处理的步骤,包括:
判断所述码流数据中携带的所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息是否相同;
若是,则读取所述码流数据携带的所述前端设备的特征向量,对所述前端设备的特征向量进行智能分析;
若否,则对所述码流数据中携带的所述特征向量进行特征提取处理,并对提取出的特征向量进行智能分析。
5.根据权利要求4所述的特征向量的统一方法,其特征在于,所述判断所述码流数据中携带的所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息是否相同的步骤之前,包括:
判断所述码流数据中是否携带所述前端设备的特征向量模型版本信息;
若否,则对所述码流数据中携带的所述特征向量进行特征提取处理,对提取出的特征向量进行智能分析。
6.根据权利要求2所述的特征向量的统一方法,其特征在于,所述设备信息还包括所述前端设备的升级参数,所述判断所述前端设备是否支持特征向量模型版本的升级的步骤,包括:
判断所述升级参数是否为预设参数;
若是,则确定所述前端设备支持所述特征向量模型版本的升级。
7.根据权利要求2所述的特征向量的统一方法,其特征在于,所述后端设备包括后端智能模块,所述获取所述后端设备的特征向量模型版本信息的步骤,包括:
从所述后端智能模块中获取所述后端设备的特征向量模型版本信息。
8.一种特征向量的统一方法,其特征在于,所述方法应用于通信系统中的前端设备,所述通信系统包括所述前端设备以及后端设备,所述后端设备用于在所述后端设备的特征向量模型版本信息与所述前端设备的特征向量模型版本信息不同时,判断所述前端设备是否支持特征向量模型版本的升级,所述方法包括:
在所述前端设备支持所述特征向量模型版本的升级时,接收所述后端设备发送的模型升级包;
基于所述模型升级包将所述前端设备的特征向量模型版本升级为所述后端设备的特征向量模型版本;
其中,所述模型升级包包括所述后端设备的特征向量以及所述后端设备的特征向量模型版本信息。
9.根据权利要求8所述的特征向量的统一方法,其特征在于,所述前端设备包括前端智能模块,所述方法还包括:
从所述前端智能模块中获取特征向量以及所述特征向量对应的特征向量模型版本信息;
将所述特征向量以及所述特征向量模型版本信息添加到码流数据中,并将所述码流数据发送至所述后端设备。
10.一种后端设备,其特征在于,包括互相连接的存储器和处理器,其中,所述存储器用于存储计算机程序,所述计算机程序在被所述处理器执行时,用于实现权利要求1-7中任一项所述的特征向量的统一方法。
11.一种前端设备,其特征在于,包括互相连接的存储器和处理器,其中,所述存储器用于存储计算机程序,所述计算机程序在被所述处理器执行时,用于实现权利要求8-9中任一项所述的特征向量的统一方法。
12.一种通信系统,其特征在于,包括互相连接的前端设备和后端设备,所述后端设备用于在所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息不同时,判断所述前端设备是否支持所述特征向量模型版本的升级;若是,则向所述前端设备发送模型升级包;所述前端设备用于接收所述模型升级包,基于所述模型升级包将所述前端设备的特征向量模型版本升级为所述后端设备的特征向量模型版本,其中,所述模型升级包包括所述后端设备的特征向量以及所述后端设备的特征向量模型版本信息。
13.一种计算机可读存储介质,用于存储计算机程序,其特征在于,所述计算机程序在被处理器执行时,用于实现权利要求1-9中任一项所述的特征向量的统一方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054651.9A CN112910958B (zh) | 2021-01-15 | 2021-01-15 | 一种特征向量的统一方法、设备、通信系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054651.9A CN112910958B (zh) | 2021-01-15 | 2021-01-15 | 一种特征向量的统一方法、设备、通信系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112910958A true CN112910958A (zh) | 2021-06-04 |
CN112910958B CN112910958B (zh) | 2022-08-09 |
Family
ID=76113352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110054651.9A Active CN112910958B (zh) | 2021-01-15 | 2021-01-15 | 一种特征向量的统一方法、设备、通信系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112910958B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634665A (zh) * | 2013-12-04 | 2014-03-12 | 乐视致新电子科技(天津)有限公司 | 一种版本升级方法和装置 |
US20150112669A1 (en) * | 2013-10-23 | 2015-04-23 | International Business Machines Corporation | Regularized feature space discrimination adaptation |
US20170091651A1 (en) * | 2015-09-24 | 2017-03-30 | Linkedin Corporation | Version control for asynchronous distributed machine learning |
CN107092469A (zh) * | 2016-02-17 | 2017-08-25 | 杭州海康威视数字技术股份有限公司 | 一种软件升级方法、装置及系统 |
CN108170606A (zh) * | 2018-01-03 | 2018-06-15 | 中国工商银行股份有限公司 | 系统软件升级类应用的测试系统及方法 |
US20180189672A1 (en) * | 2016-12-29 | 2018-07-05 | Facebook, Inc. | Updating Predictions for a Deep-Learning Model |
CN110309337A (zh) * | 2018-03-14 | 2019-10-08 | 广州弘度信息科技有限公司 | 一种针对多种目标识别算法的特征值集中存储方法及装置 |
-
2021
- 2021-01-15 CN CN202110054651.9A patent/CN112910958B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150112669A1 (en) * | 2013-10-23 | 2015-04-23 | International Business Machines Corporation | Regularized feature space discrimination adaptation |
CN103634665A (zh) * | 2013-12-04 | 2014-03-12 | 乐视致新电子科技(天津)有限公司 | 一种版本升级方法和装置 |
US20170091651A1 (en) * | 2015-09-24 | 2017-03-30 | Linkedin Corporation | Version control for asynchronous distributed machine learning |
CN107092469A (zh) * | 2016-02-17 | 2017-08-25 | 杭州海康威视数字技术股份有限公司 | 一种软件升级方法、装置及系统 |
US20180189672A1 (en) * | 2016-12-29 | 2018-07-05 | Facebook, Inc. | Updating Predictions for a Deep-Learning Model |
CN108170606A (zh) * | 2018-01-03 | 2018-06-15 | 中国工商银行股份有限公司 | 系统软件升级类应用的测试系统及方法 |
CN110309337A (zh) * | 2018-03-14 | 2019-10-08 | 广州弘度信息科技有限公司 | 一种针对多种目标识别算法的特征值集中存储方法及装置 |
Non-Patent Citations (2)
Title |
---|
REMIGIUSZ BARAN: "Efficiency Investigation of BoF, SVT and Pyramid Match Algorithms in Practical Recognition Applications", 《2017 FOURTH INTERNATIONAL CONFERENCE ON MATHEMATICS AND COMPUTERS IN SCIENCES AND IN INDUSTRY (MCSI)》 * |
腾金辉: "基于流量分析的软件升级漏洞自动检测方法", 《网络与信息安全学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112910958B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107277153B (zh) | 用于提供语音服务的方法、装置和服务器 | |
US10574793B2 (en) | Method, apparatus and terminal device for communication protocol compatibility | |
CN111818136B (zh) | 数据处理方法、装置、电子设备及计算机可读介质 | |
KR101778524B1 (ko) | 클라우드 기반 사물인터넷 미들웨어 시스템 | |
CN109243425A (zh) | 语音识别测试方法、装置、系统、计算机设备及存储介质 | |
CN111427619A (zh) | 一种驱动程序自适配方法、装置、更新方法、设备及系统 | |
CN104412565A (zh) | 用于涉及承载无关协议的套接字管理的方法 | |
CN110032697A (zh) | 图片处理方法、装置、计算机设备及存储介质 | |
CN115190430A (zh) | 基于5g核心网n2、n3、n4接口用户溯源关联方法及系统 | |
US9723480B2 (en) | Information processing device, server device, data communication system, data communication method, and computer-readable storage medium storing data communication program | |
CN107368334B (zh) | 一种业务插件交互系统及方法 | |
CN113783957A (zh) | 一种网络端口复用方法、系统、设备及存储介质 | |
CN112769901A (zh) | 一种轨道交通信号设备通信交互方法及系统 | |
CN103491522A (zh) | 终端适配方法和装置 | |
CN112910958B (zh) | 一种特征向量的统一方法、设备、通信系统和存储介质 | |
CN108965905A (zh) | 一种直播数据推流及提供和获取推流地址的方法、装置 | |
CN112308205A (zh) | 基于预训练模型的模型改进方法及装置 | |
CN115348333A (zh) | 基于udp双端通信交互的数据传输方法、系统及设备 | |
CN111159509B (zh) | 数据处理方法及相关产品 | |
CN110636114B (zh) | 一种客服接入方法及接入系统、业务系统、云平台 | |
CN114221883A (zh) | 消息测试方法、装置、服务器及存储介质 | |
CN108809900B (zh) | 一种统一资源访问的框架及方法 | |
CN112837678B (zh) | 私有云识别训练方法和装置 | |
CN113722621B (zh) | 基于url的业务处理方法、设备、存储介质 | |
CN114866619B (zh) | 一种异构加速方法、装置、系统及计算机可读存储介质 |
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 |