CN116339488A - 数据识别方法及装置、存储介质及电子设备 - Google Patents
数据识别方法及装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116339488A CN116339488A CN202111600851.6A CN202111600851A CN116339488A CN 116339488 A CN116339488 A CN 116339488A CN 202111600851 A CN202111600851 A CN 202111600851A CN 116339488 A CN116339488 A CN 116339488A
- Authority
- CN
- China
- Prior art keywords
- target
- processor
- threshold
- data
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000004044 response Effects 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 10
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013441 quality evaluation Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010038743 Restlessness Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 208000008918 voyeurism Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3243—Power saving in microcontroller unit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3293—Power saving characterised by the action undertaken by switching to a less power-consuming processor, e.g. sub-CPU
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Sources (AREA)
Abstract
本公开涉及数据识别技术领域,具体涉及一种数据识别方法及装置、计算机可读存储介质及电子设备,上述方法应用于终端设备,终端设备包括第一处理器、第二处理器以及传感器,所述第一处理器的功耗小于所述第二处理器,所述终端设备通过所述传感器采集待识别数据,数据识别方法包括:利用所述第一处理器确定所述待识别数据为预设目标的置信度;响应所述置信度大于第一阈值,利用第二处理器对所述待识别数据进行识别。本公开实施例的技术方案在保证识别精度的情况下,降低数据识别时的功耗。
Description
技术领域
本公开涉及数据识别技术领域,具体而言,涉及一种数据识别方法及装置、计算机可读存储介质及电子设备。
背景技术
普通的摄像头通过开启后可以获取图像,但是功耗较高,在移动端不可以长时间开启,由于常开传感器的优点就在于可以长时间开启并且功耗较低,因此可以采用常开传感器来获取待识别数据。
现有技术中的常开传感器的识别过程都是在AP上完成的,这样AP至少需要定期完成这个识别工作,AP侧一直开启也会增加对数据进行识别时的功耗。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种数据识别方法、数据识别装置、计算机可读介质和电子设备,进而至少在一定程度上在保证识别精度的情况下,降低数据识别时的功耗。
根据本公开的第一方面,提供一种数据识别方法,所述方法应用于终端设备,所述终端设备包括第一处理器、第二处理器以及传感器,所述第一处理器的功耗小于所述第二处理器,所述终端设备通过所述传感器采集待识别数据,所述方法包括:利用所述第一处理器确定所述待识别数据为预设目标的置信度;响应所述置信度大于第一阈值,利用第二处理器对所述待识别数据进行识别。
根据本公开的第二方面,提供一种数据识别装置,应用于终端设备,所述终端设备包括第一处理器、第二处理器以及传感器,所述第一处理器的功耗小于所述第二处理器,所述终端设备通过所述传感器采集待识别数据,所述装置包括:确定模块,用于利用所述第一处理器确定所述待识别数据为预设目标的置信度;识别模块,用于响应所述置信度大于第一阈值,利用第二处理器对所述待识别数据进行识别。
根据本公开的第三方面,提供一种计算机可读介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的方法。
根据本公开的第四方面,提供一种电子设备,包括:一个或多个处理器;以及存储器,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述的方法。
本公开的一种实施例所提供的数据识别方法,应用于终端设备,所述终端设备包括第一处理器、第二处理器以及传感器,所述第一处理器的功耗小于所述第二处理器,所述终端设备通过所述传感器采集待识别数据,利用所述第一处理器确定所述待识别数据为预设目标的置信度;响应所述置信度大于第一阈值,利用第二处理器对所述待识别数据进行识别,相较于现有技术,首先确定了待识别数据为预设目标的置信度,并在置信度小于第一阈值时,不会启动功耗较高的第二处理器,能够降低对数据识别的功耗,同时,在置信度大于第一阈值时,启动了功耗较高处理精度较高的第二处理器,在保证精度的情况下,降低对数据识别的功耗。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。在附图中:
图1示出了可以应用本公开实施例的一种示例性系统架构的示意图;
图2示出了可以应用本公开实施例的一种电子设备的示意图;
图3示意性示出本公开示例性实施例中一种数据识别方法的流程图;
图4示意性示出本公开示例性实施例中一种计算第一阈值的流程图;
图5示意性示出本公开示例性实施例中检测温度的数据流向图;
图6示意性示出本公开示例性实施例中确定目标最大值和目标最小值的流程图;
图7示意性示出本公开示例性实施例中第一候选最大值可第一候选最小值与安全性需求的关系图;
图8示意性示出本公开示例性实施例中第二候选最大值可第二候选最小值与安全性需求的关系图;
图9示意性示出本公开示例性实施例中计算第一阈值时具体计算方式的流程图;
图10示意性示出本公开示例性实施例中对第一阈值与剩余电量以及内部温度的关系图;
图11示意性示出本公开示例性实施例中第一阈值随剩余电量变化的关系图
图12示意性示出本公开示例性实施例中第一阈值随内部温度变化的关系图;
图13示意性示出本公开示例性实施例中第一处理器第二处理器以及传感器之间的数据交互图;
图14示意性示出本公开示例性实施例中数据识别装置的组成示意图;
图15示意性示出本公开示例性实施例中数据识别装置的整体组成示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
普通的摄像头通过开启后可以获取图像,但是功耗较高,在移动端不可以长时间开启,由于常开传感器的优点就在于可以长时间开启并且功耗较低,因此可以采用常开传感器来获取待识别数据,AON(always on,常开)传感器主要用于传统隔空手势、手势接电话、注视不灭屏、智能旋转、防偷窥、眼动翻页等,AON(always on)传感器特点在于功耗较低实际使用中,存在多种场景需要使用AON传感器识别人脸和手势。
但是,如果要保持传感器始终开启,在功耗过大,会降低移动终端的续航时间,在目前的移动终端中对于AON场景和正常的拍摄场景并没有很多的区分,采用同样的通用的拍摄架构,这种通用的方案导致相机的开启速度较慢,运行过程功耗较高。
鉴于上述一个或多个问题,本公开的示例性实施方式首先提供一种数据识别方法。下面结合图1对本示例性实施方式运行环境的系统架构与应用场景进行示例性说明。
图1示出了系统架构的示意图,该系统架构100可以包括终端110与服务器120。其中,终端110可以是智能手机、平板电脑、台式电脑、笔记本电脑等终端设备,服务器120泛指提供本示例性实施方式中图像质量评价相关服务的后台系统,可以是一台服务器或多台服务器形成的集群。终端110与服务器120之间可以通过有线或无线的通信链路形成连接,以进行数据交互。
在一种实施方式中,可以由终端110执行上述数据识别方法。例如,用户使用终端110获取待识别数据后,由终端110对该待识别数据进行识别,并输出识别结果。
在一种实施方式中,可以由服务器120执行上述数据识别方法。例如,用户使用终端110获取待识别数据后,终端110将该待识别数据上传至服务器120,由服务器120对该待识别数据进行识别,并向终端110反馈识别结果。
由上可知,本示例性实施方式中的数据识别方法的执行主体可以是上述终端110或服务器120,本公开对此不做限定。
本公开的示例性实施方式还提供一种用于执行上述图像质量评价方法的电子设备,该电子设备可以是上述终端110或服务器120。一般的,该电子设备可以包括处理器与存储器,存储器用于存储处理器的可执行指令,处理器配置为经由执行可执行指令来执行上述图像质量评价方法。
下面以图2中的移动终端200为例,对该电子设备的构造进行示例性说明。本领域技术人员应当理解,除了特别用于移动目的的部件之外,图2中的构造也能够应用于固定类型的设备。
如图2所示,移动终端200具体可以包括:处理器201、存储器202、总线203、移动通信模块204、天线1、无线通信模块205、天线2、显示屏206、摄像模块207、音频模块208、电源模块209与传感器模块210。
处理器201可以包括一个或多个处理单元,例如:处理器210可以包括AP(Application Processor,应用处理器)、调制解调处理器、GPU(Graphics ProcessingUnit,图形处理器)、ISP(Image Signal Processor,图像信号处理器)、控制器、编码器、解码器、DSP(Digital Signal Processor,数字信号处理器)、基带处理器和/或NPU(Neural-Network Processing Unit,神经网络处理器)等。本示例性实施方式中的诗句识别方法可以由AP、GPU或DSP来执行,当方法涉及到神经网络相关的处理时,可以由NPU来执行。
处理器201可以通过总线203与存储器202或其他部件形成连接。
存储器202可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器201通过运行存储在存储器202的指令,执行移动终端200的各种功能应用以及数据处理。存储器202还可以存储应用数据,例如存储图像,视频等文件。
移动终端200的通信功能可以通过移动通信模块204、天线1、无线通信模块205、天线2、调制解调处理器以及基带处理器等实现。天线1和天线2用于发射和接收电磁波信号。移动通信模块204可以提供应用在移动终端200上2G、3G、4G、5G等移动通信解决方案。无线通信模块205可以提供应用在移动终端200上的无线局域网、蓝牙、近场通信等无线通信解决方案。
传感器模块210可以包括深度传感器2101、压力传感器2102、陀螺仪传感器2103、气压传感器2104等,以实现相应的感应检测功能。
下面结合图3对本示例性实施方式中的图像质量评价方法进行说明,图3示出了该图像质量评价方法的示例性流程,方法应用于终端设备,终端设备包括第一处理器、第二处理器以及传感器,第一处理器的功耗小于第二处理器,终端设备通过传感器采集待识别数据,数据识别方法可以包括一下步骤:
步骤S310,利用所述第一处理器确定所述待识别数据为预设目标的置信度;
步骤S320,响应所述置信度大于第一阈值,利用所述第二处理器对所述待识别数据进行识别。
相较于现有技术,首先确定了待识别数据为预设目标的置信度,并在置信度小于第一阈值时,不会启动功耗较高的第二处理器,能够降低对数据识别的功耗,同时,在置信度大于第一阈值时,启动了功耗较高处理精度较高的第二处理器,在保证精度的情况下,降低对数据识别的功耗。
下面对上述各个步骤及进行详细说明。
在步骤S310中,利用所述第一处理器确定所述待识别数据为预设目标的置信度。
在本公开的一种示例实施方式中,上述第一处理器的功耗可以小于第二处理器,第一处理器可以是proisp(Pro Image Signal Processing)芯片,第二处理器可以是AP(电子运算处理器),其中,上述传感器可以是常开传感器,也可以是其他传感器,在本示例实时方式中不做具体限定。
在本示例实施方式中,可以利用上述传感器来获取待识别数据,然后利用上述第一处理器确定待识别数据为预设目标的置信度。具体而言,可以通过上述第一处理器来确定待识别数据中包括预设目标的概率,并将其概率作为上述置信度。
举例而言,若上述数据识别为人脸图像识别,此时,可以通过上述第一处理器来确定待识别数据中包括人脸的概率,即第一处理器首先对待识别数据进行初始识别,确定上述待识别数据中包括人脸图像的概率,并将其概率作为上述置信度。
再例如,若上述数据识别为手势识别,此时可以由第一处理器对待识别数据进行初始识别,确定上述待识别数据中包括手势的概率,并将其概率作为上述置信度。
需要说明的是,上述数据识别的种类可以包括多种,如手势识别,图像识别,人脸识别等,具体可以根据识别任务类型来确定,在本示例实施方式中不做具体限定。
在步骤S320中,响应所述置信度大于第一阈值,利用所述第二处理器对所述待识别数据进行识别。
在本示例实施方式中,上述第一阈值可以是固定值,具体的参数可以根据用户需求进行自定义,在另一种示例实施方式中,第一阈值可以是根据移动终端的负载信息和目标识别任务对识别结果的目标需求计算得到的。
在本示例实施方式中,参照图4所示,在计算上述第一阈值时,可以包括步骤S410至步骤S430。
在步骤S410中,获取所述终端设被的负载信息。
在本示例实施方式中,上述终端设备可以是手机、平板电脑、笔记本电脑等移动终端,也可以是如电视机、台式电脑、电冰箱等固定终端设备,在本示例实施方式中不做具体限定。
在本示例实施方式中,上述负载信息可以包括上述第一处理器的内部温度、终端设备的外壳温度;若上述终端设备为移动终端,则上述负载信息还可以包括上述终端设备的剩余电量。
在本示例实施方式中,可以参照图5所示,服务器可以在通过第一温度传感502器获取第一处理器501的内部温度504,可以通过第二温度传感器503来获取第一处理器的外部温度505,若上述终端设备为移动终端,则服务器可以获取上述终端设备的剩余电量。
在本示例实施方式中,服务器实时获取上述内部温度504和外部温度505,通过内部管理器506对内部温度上报至内部温度控制中心,检测内部温度504,内部温度控制中心进行温度控制,同理,外部温度管理器507可以将外部温度507也更新上报至外部温度控制中心509,外部温度控制中心509可以与内部温度控制中心510及进行数据交互,同时控制中心还可以通过接口508主动获取上述外部温度505。
在一种示例实施方式中,可以设置第一温度阈值和第二温度阈值,服务器可以响应上述内部温度大于上述第一温度阈值或者第二温度大于第二温度阈值,停止对上述识别数据的处理,具体可以为关闭上述第一处理器,其中,第一温度可以是100度、120度也可以根据用户需求进行自定义,在本示例实施方式中不做具体限定,其中第二温度阈值可以是50度、60度等,也可以根据用户需求进行自定义,在本示例实施方式中不做具体限定。
在本示例实施方式中,设置第一温度阈值能够防止第一处理器温度过高,导致内部线路烧毁,设置第二温度阈值可以防止外壳温度过高,提升用户体验。
在步骤S420中,确定目标识别任务对识别结果的目标需求;
在本公开的一种示例实施方式中,可以首先确定目标识别任务对应的目标需求,上述目标需求可以包括安全性需求和精确度需求,其中,安全性需求和上述精确度需求可以根据目标识别任务的不同来自定义,还可以首先建立一个目标识别任务对应的目标需求对应表,然后在确定目标识别任务之后,利用上述目标识别任务需求对应表来确定上述目标识别任务对应的目标需求。
在本示例实施方式中,上述安全性需求和准确性需求均可以用0到1之间的数字表示,其中,数字越大,代表安全性需求和准确性需求都越大,安全性需求和准确性需求也可以用其他方式表示,例如S、A、B、C等,其中从S到C安全性需求和准确性需求逐渐,在本示例实施方式中不做具体限定。
在步骤S430中,根据所述负载信息和所述目标需求计算所述第一阈值;
在本公开的一种示例实施方式中,可以首先根据上述安全性需求和准确性需求确定上述第一阈值的目标最大值和目标最小值,参照图6所示,可以包括步骤S610至步骤S640。
在步骤S610中,根据所述安全性需求确定所述第一阈值的第一候选最大值和第一候选最小值,其中所述第一候选最大值和所述第一候选最小值均与所述安全性需求负相关。
在本示例实施方式中,参照图7所示,在上述确定安全性需求之后,还可以建立一个安全性需求与第一阈值的第一候选最大值以及第一候选最小值的配置表,可以已通过上述安全性需求的分数来在配置表中查询上述第一候选最大值和第一候选最小值,其中,在构建配置表时,可以经过多次试验,以获取到较为准确的数据。
在本示例实施方式中,上述第一候选最大值和上述第一候选最小值均与上述安全性需求负相关,具体的相关参数通过试验获取,也可以根据用户需求进行自定义,在本示例实施方式中不做具体限定。
在本示例实施方式中,上述第一候选最大值和第一候选最小值之间的差值可以与安全性需求负相关,即安全性需求越高,第一候选最大值与第一候选最小值之间的差值便越小。在本公开的另一种示例实施方式中,第一候选最大值和第一候选最小值之间的差值可以是固定值,具体数值可以由用户需求进行自定义,在本示例实施方式中不做具体限定。举例而言,可以将涉及金钱的应用程序或者目标识别任务对应的安全性需求设置的较大。
在步骤S620中,根据所述精确度需求确定所述第一阈值的第二候选最大值和第二候选最小值,其中所述第二候选最大值和所述第二候选最小值均与所述精确度需求负相关。
在本示例实施方式中,参照图8所示,在上述确定精确度需求之后,还可以建立一个精确度需求与第二阈值的第二候选最大值以及第二候选最大值的配置表,可以已通过上述精确度需求的分数来在配置表中查询上述第二候选最大值和第二候选最小值,其中,在构建配置表时,可以经过多次试验,即获取到较为准确的数据。
在本示例实施方式中,上述第二候选最大值和上述第二候选最小值均与上述精确度需求负相关,具体的相关参数通过试验获取,也可以根据用户需求进行自定义,在本示例实施方式中不做具体限定。
在本示例实施方式中,上述第二候选最大值和第二候选最小值之间的差值可以与精确度需求负相关,即精确度需求越高,第二候选最大值与第二候选最小值之间的差值便越小。在本公开的另一种示例实施方式中,第二候选最大值和第二候选最小值之间的差值可以是固定值,具体数值可以由用户需求进行自定义,在本示例实施方式中不做具体限定。例如可以将识别难度较高的,需要精准进行人机交互的目标识别任务或者应用程序的精准度需求设置的较大。
在步骤S630中,将所述第一候选最大值和第二候选最大值之间的最小值作为所述目标最大值;
在步骤S640中,将所述第一候选最小值和所述第二候选最小值的最小值作为所述目标最小值。
在本示例实施方式中,可以将上述第一候选最大值和第二候选最大值进行比较,将第一候选最大值和第二候选最大值种的最小值作为上述目标最大值。
在本示例实施方式中,可以将上述第一候选最小值和上述第二候选最小值进行比较,将第一候选最小值和第二候选最小值之间的最小值作为上述目标最小值。
在本示例实施方式中,在确定上述最大值最小值之后,可以根据上述目标最大值、目标最小值、内部温度以及剩余电量计算上述第一阈值,其中上述第一阈值和上述内部温度正相关,与上述剩余电量负相关。
具体而言,参照图9所示,可以包括步骤S910和步骤S930。
在步骤S910中,根据所述内部温度和所述剩余电量确定变化系数。
在本示例实施方式中,在获取上述内部温度后们可以获取一数值映射系数,并利用上述数值映射系数将上述内部温度的值映射到预设值区间内,具体而言,可以首先获取温度权重系数,然后确定温度权重系数与内部温度的倒数的乘积,并与内部温度求和得到待映射温度;根据待映射温度和数值映射系数将内部温度映射至预设数值区间内,举例而言,可以采用映射公式将上述内部温度映射到预设数值区间内;其中,上述数值映射系数可以为:
y=n*(temp+s*temp′)
其中,y表示所述映射后内部温度,temp表示所述映射前内部温度,s为常数代表温度权重系数,n表示所述数值映射系数,用于将所述内部温度映射待所述预设数值区间内,temp′表示映射前内部温度的导数。
其中,上述预设值区间可以是0至100,也可以根据用户需求进行自定义,在本示例实施方式中做具体限定。
同时也可以将上述剩余电量映射至预设值区间内,在上述预设值区间为0至100时,可以获取上述剩余电量的百分比,将百分比的分子作为映射后的剩余电量。
在对上述内部温度和上述剩余电量进行映射后,可以利用映射后的剩余电量来计算上述变化参数,具体而言,可以首先确定上述剩余电量与内部温度的差值,然后取自然常数的上述差值次方,并与1求和得到上述变化参数,具体而言,将差值的数量的自然常数相乘,并与1求和得到上述变化参数,具体可以为1+ex-y其中,x表示剩余电量,y表示所述内部温度,e表示自然常数。
在步骤S920中,根据目标最大值与目标最小值之差以及所述变化系数,确定第一阈值变量或第二阈值变量。
在步骤S930中,以所述目标最小值与所述第一阈值变量之和,或者所述目标最大值与所述第二阈值变量之差,作为所述第一阈值。
在确定上述变化系数之后,可以根据上述目标最大值与目标最小值以及上述变化系数,确定第一阈值变量或者第二阈值变量,最后可以以目标最小值与第一阈值变量值和或者目标最大值与第二阈值变量值差作为上述第一阈值。
具体而言,第一阈值变量就可以与上述第二阈值变量相同,具体可以表现为,利用目标最大值与目标最小值的差值除以上述不安变化系数。
在一种示例实施方式中,可以将目标最小值与上述第一阈值变量的和最为第一阈值,具体的计算公式可以为:
其中,Kmax表示所述目标最大值,Kmin表示所述目标最小值,x表示所述剩余电量,y表示所述内部温度,e表示自然常数,k表示第一阈值。
在另一种示例实施方式中,可以将上述目标最大值与第二阈值变量值差作为上述第一阈值具体的计算公式可以为:
其中,Kmax表示所述目标最大值,Kmin表示所述目标最小值,x表示所述剩余电量,y表示所述内部温度,e表示自然常数,k表示第一阈值。
在本公开的另一种示例实施方式中,在对第一阈值进行动态调整时可以将终端设备当前内部温度、剩余电量以及上述目标需求作为计算算法的输入,通过综合计算得到第一阈值;例如当内部温度偏高时可以将内部温度对第一阈值计算的权值提高,防止在温度过高的情况下提升识别精度,导致对温度升该的负面影响;同样的如果目标识别任务对安全性或者准确度需求较高时,则可以将这一输入的权值提高,保证识别的准确度和安全性能够符合应用的需求。计算上述第一阈值的方法包括多种,在本示例实施方式中不做具体限定。
在本示例示例实施方式中,上述目标需求可以用z来表示,可以参照图10所示,可以由上述目标需求、内部温度以及剩余电量来表示上述第一阈值的值,其中,上述第一阈值的取值范围可以在0到1之间,第一阈值越大,识别越精确,第一阈值越小,终端设备的功耗便较小
参照图11所示,在上述内部温度为定值时,上述剩余电量越大,得到的第一阈值就越低,即上述剩余电量与上述第一阈值负相关,参照图12所示,在上述剩余电量为定值时,内部温度越大,则得到的第一阈值的值就越大。
需要说明的是,在图10和图11中,K表示第一阈值,x表示剩余电量,y表示内部温度。
在本示例实施方式中,参照图13所示,在计算得到上述第一阈值之后,可以利用上述响应第一处理器1302获取的置信度与上述第一阈值相比较,在上述置信度大于等于第一阈值时,服务器启动上述第二处理器1303来对上述待识别数据进行识别。其中,上述传感器1301与上述第一处理器1302通讯连接,上述第二处理器1303与上述第一处理器1302通讯连接,在上述第二处理器1303对待识别数据进行处理,可以由上述第一处理器1302对上述待识别数据及进行预处理。第二处理器1303还可以可连接有存储库1304,用于存储识别模型,第二处理器1303可以从存储库1304中加载识别模型,第一处理器1302通过传感器1301获取待识别数据,预处理后传输至第二处理区,第二处理器1303利用识别模型完成识别得到识别结果1305。
在上述第二处理器1303对上述待识别数据进行处理时,可以首先根据上上述负载信息在第二处理器1303中确定预配置的识别模型,并从存储库1304中加载识别模型,然后利用上述识别模型对上述待识别数据进行识别得到上述识别结果1305。
具体而言,可以根据上述负载信息中的内部温度和上述剩余电量来确定上述识别模型的识别精度,在内部温度较高和/或上述剩余电量较低时,可以选择识别精度较低的识别模型对上述待识别数据进行处理。由于精度较高的识别模型需要的数据可能需求预处理的过程较多,所以会导致上述第一处理器的功耗加大,根据负载信息来确定识别模型能够进一步的对第一处理器进行控温,同时能够延长上述终端设备的续航时间。
在本公开的另一种示例实施方式中,在选择识别模型时还可以根据目标任务的需求进行选择,举例而言,在极端场景下需要图像数据进行高精度识别时,可以短期提高第一处理器的功耗获取数据后,再调整温控等级降低功耗。
综上所述,本示例性实施方式中,相较于现有技术,首先确定了待识别数据为预设目标的置信度,并在置信度小于第一阈值时,不会启动功耗较高的第二处理器,能够降低对数据识别的功耗,同时,在置信度大于第一阈值时,启动了功耗较高处理精度较高的第二处理器,在保证精度的情况下,降低对数据识别的功耗。进一步的,通过确定目标识别任务的目标需求以及终端设备的负载信息动态的计算第一阈值,且上述负载信息中包括了第一处理器的内部温度以及终端设备的剩余电量,在保证终端设备安全以及长续航的情况下,提升了对待识别数据进行识别精度。
需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
进一步的,参考图14所示,本示例的实施方式中还提供一种数据识别装置1400,包括确定模块1410和识别模块1420。其中:
确定模块1410可以用于利用第一处理器确定待识别数据为预设目标的置信度;识别模块1420可以用于响应置信度大于第一阈值,利用第二处理器对待识别数据进行识别。
在本示例实施方式中,上述确定模块1410可以用于首先利用第一处理器计算待识别数据中包括预设目标的概率,并将概率作为置信度。
在一示例性实施例中,识别模块1420可以用于根据负载信息在第二处理器中确定预配置的识别模型;利用识别模型对待识别数据进行识别得到识别结果。
在一种示例实施方式中,参照图15所示,上述数据识别装置还可以包括第一获取模块1412、第二获取模块1414以及计算模块1416,其中,上述第一获取模块1412可以用于获取终端设备的负载信息,第二获取模块可以用于确定目标识别任务对识别结果的目标需求1414,计算模块1416可以用于根据负载信息和目标需求计算第一阈值。
在一示例性实施例中,目标需求包括安全性需求和精确度需求,计算模块1416可以根据安全性需求和精确度需求确定第一阈值的目标最大值和目标最小值;利用目标最大值、目标最小值、负载信息计算第一阈值。
其中,负载信息包括第一处理器的内部温度和终端设备的剩余电量,在利用目标最大值、目标最小值、负载信息计算第一阈值时,上述计算模块1416可以利用目标最大值、目标最小值、内部温度、剩余电量计算第一阈值,其中,第一阈值与内部温度正相关,第一阈值与剩余电量负相关。
具体而言,可以首先根据内部温度和剩余电量确定变化系数;根据目标最大值与目标最小值之差以及变化系数,然后确定第一阈值变量或第二阈值变量;最后以目标最小值与第一阈值变量之和,或者目标最大值与第二阈值变量之差,作为第一阈值。
在一种示例实施方式中,在确定上述变化系数时,可以首先确定剩余电量和内部温度的差值;取自然常数的差值次方,并与1求和得到变化参数。
在本公开的一种示例实施方式中,上述计算模块1350还可以获取数值映射系数;利用数值映射系数将内部温度映射至预设数值区间内,具体而言,获取温度权重系数;确定温度权重系数与内部温度的倒数的乘积,并与内部温度求和得到待映射温度;根据待映射温度和数值映射系数将内部温度映射至预设数值区间内。
在本公开的一种示例实施方式中,在根据安全性需求和精确度需求确定第一阈值的目标最大值和目标最小值时,上述计算模块可以根据安全性需求确定第一阈值的第一候选最大值和第一候选最小值,其中第一候选最大值和第一候选最小值均与安全性需求负相关;根据精确度需求确定第一阈值的第二候选最大值和第二候选最小值,其中第二候选最大值和第二候选最小值均与精确度需求负相关;将第一候选最大值和第二候选最大值之间的最小值作为目标最大值;将第一候选最小值和第二候选最小值的最小值作为目标最小值。
上述装置中各模块的具体细节在方法部分实施方式中已经详细说明,未披露的细节内容可以参见方法部分的实施方式内容,因而不再赘述。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
本公开的示例性实施方式还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
此外,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (14)
1.一种数据识别方法,其特征在于,所述方法应用于终端设备,所述终端设备包括第一处理器、第二处理器以及传感器,所述第一处理器的功耗小于所述第二处理器,所述终端设备通过所述传感器采集待识别数据,所述方法包括:
利用所述第一处理器确定所述待识别数据为预设目标的置信度;
响应所述置信度大于第一阈值,利用第二处理器对所述待识别数据进行识别。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述终端设备的负载信息;
确定目标识别任务对识别结果的目标需求;
根据所述负载信息和所述目标需求计算所述第一阈值。
3.根据权利要求1所述的方法,其特征在于,所述目标需求包括安全性需求和精确度需求;所述根据所述目标识别任务和所述目标需求计算所述第一阈值,包括:
根据所述安全性需求和所述精确度需求确定所述第一阈值的目标最大值和目标最小值;
利用所述目标最大值、所述目标最小值、所述负载信息计算所述第一阈值。
4.根据权利要求3所述的方法,其特征在于,所述负载信息包括所述第一处理器的内部温度和所述终端设备的剩余电量,所述利用所述目标最大值、所述目标最小值、所述负载信息计算所述第一阈值包括:
利用所述目标最大值、所述目标最小值、所述内部温度、所述剩余电量计算所述第一阈值,其中,所述第一阈值与所述内部温度正相关,所述第一阈值与所述剩余电量负相关。
5.根据权利要4所述的方法,其特征在于,用所述目标最大值、所述目标最小值、所述内部温度、所述剩余电量计算所述第一阈值,包括:
根据所述内部温度和所述剩余电量确定变化系数;
根据目标最大值与目标最小值之差以及所述变化系数,确定第一阈值变量或第二阈值变量;
以所述目标最小值与所述第一阈值变量之和,或者所述目标最大值与所述第二阈值变量之差,作为所述第一阈值。
6.根据权利要5所述的方法,其特征在于,根据所述内部温度和所述剩余电量确定变化参数,包括:
确定所述剩余电量和所述内部温度的差值N;
取自然常数的N次方,并与1求和得到所述变化参数。
7.根据权利要求4所示的方法,其特征在于,在利用所述目标最大值、所述目标最小值、所述内部温度、所述剩余电量计算所述第一阈值之前,所述方法还包括:
获取数值映射系数;
利用所述数值映射系数将所述内部温度映射至预设数值区间内。
8.根据权利要求7所示的方法,其特征在于,所述利用所述数值映射系数将所述内部温度映射至预设数值区间内包括:
获取温度权重系数;
确定所述温度权重系数与所述内部温度的倒数的乘积,并与所述内部温度求和得到待映射温度;
根据所述待映射温度和所述数值映射系数将所述内部温度映射至预设数值区间内。
9.根据权利要3所述的方法,其特征在于,所述根据所述安全性需求和所述精确度需求确定所述第一阈值的目标最大值和目标最小值,包括:
根据所述安全性需求确定所述第一阈值的第一候选最大值和第一候选最小值,其中所述第一候选最大值和所述第一候选最小值均与所述安全性需求负相关;
根据所述精确度需求确定所述第一阈值的第二候选最大值和第二候选最小值,其中所述第二候选最大值和所述第二候选最小值均与所述精确度需求负相关;
将所述第一候选最大值和第二候选最大值之间的最小值作为所述目标最大值;
将所述第一候选最小值和所述第二候选最小值的最小值作为所述目标最小值。
10.根据权利要求2所述的方法,其特征在于,所述利用第二处理器对所述待识别数据进行识别包括:
根据所述负载信息在第二处理器中确定预配置的识别模型;
利用所述识别模型对所述待识别数据进行识别得到识别结果。
11.根据权利要求1所述的方法,其特征在于,所述利用所述第一处理器确定所述待识别数据为预设目标的置信度包括:
利用所述第一处理器计算所述待识别数据中包括所述预设目标的概率;
将所述概率作为所述置信度。
12.一种数据识别装置,应用于终端设备,其特征在于,所述终端设备包括第一处理器、第二处理器以及传感器,所述第一处理器的功耗小于所述第二处理器,所述终端设备通过所述传感器采集待识别数据,所述装置包括:
确定模块,用于利用所述第一处理器确定所述待识别数据为预设目标的置信度;
识别模块,用于响应所述置信度大于第一阈值,利用第二处理器对所述待识别数据进行识别。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至11中任一项所述的数据识别方法。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至11中任一项所述的数据识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111600851.6A CN116339488A (zh) | 2021-12-24 | 2021-12-24 | 数据识别方法及装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111600851.6A CN116339488A (zh) | 2021-12-24 | 2021-12-24 | 数据识别方法及装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116339488A true CN116339488A (zh) | 2023-06-27 |
Family
ID=86877757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111600851.6A Pending CN116339488A (zh) | 2021-12-24 | 2021-12-24 | 数据识别方法及装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116339488A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117711014A (zh) * | 2023-07-28 | 2024-03-15 | 荣耀终端有限公司 | 隔空手势识别方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-12-24 CN CN202111600851.6A patent/CN116339488A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117711014A (zh) * | 2023-07-28 | 2024-03-15 | 荣耀终端有限公司 | 隔空手势识别方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109240576B (zh) | 游戏中的图像处理方法及装置、电子设备、存储介质 | |
US20200174547A1 (en) | Control device, method and equipment for processor | |
EP2889832A1 (en) | Image processing apparatus and method | |
JP6924901B2 (ja) | 写真撮影方法および電子装置 | |
US11705120B2 (en) | Electronic device for providing graphic data based on voice and operating method thereof | |
KR102557561B1 (ko) | 이미지의 깊이 정보를 결정하는 방법 및 시스템 | |
CN109040523B (zh) | 伪影消除方法、装置、存储介质及终端 | |
US12008167B2 (en) | Action recognition method and device for target object, and electronic apparatus | |
US20200241486A1 (en) | Electronic device and method for determining task including plural actions | |
CN107690804B (zh) | 一种图像处理方法及用户终端 | |
CN109977905B (zh) | 用于处理眼底图像的方法和装置 | |
KR20160055337A (ko) | 텍스트 표시 방법 및 그 전자 장치 | |
JP2020507159A (ja) | ピクチャプッシュの方法、移動端末および記憶媒体 | |
CN113627536B (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
US11848007B2 (en) | Method for operating voice recognition service and electronic device supporting same | |
KR20190115498A (ko) | 사용자의 입력에 대한 외부 전자 장치의 응답 시간에 기반하여 지정된 기능을 제어하는 전자 장치 및 그의 방법 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN115205925A (zh) | 表情系数确定方法、装置、电子设备及存储介质 | |
CN114706484A (zh) | 视线坐标确定方法及装置、计算机可读介质和电子设备 | |
CN113766127B (zh) | 移动终端的控制方法及装置、存储介质及电子设备 | |
CN116339488A (zh) | 数据识别方法及装置、存储介质及电子设备 | |
US20170161880A1 (en) | Image processing method and electronic device implementing the same | |
CN113658065A (zh) | 图像降噪方法及装置、计算机可读介质和电子设备 | |
CN113455013B (zh) | 用于处理图像的电子设备及其图像处理方法 | |
US9959598B2 (en) | Method of processing image and electronic device thereof |
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 |