CN117221387A - 图像识别模型分发方法、装置、计算机设备和存储介质 - Google Patents
图像识别模型分发方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117221387A CN117221387A CN202311140420.5A CN202311140420A CN117221387A CN 117221387 A CN117221387 A CN 117221387A CN 202311140420 A CN202311140420 A CN 202311140420A CN 117221387 A CN117221387 A CN 117221387A
- Authority
- CN
- China
- Prior art keywords
- image recognition
- recognition model
- model
- terminal
- subscription
- 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 66
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 230000000977 initiatory effect Effects 0.000 claims abstract description 9
- 238000013500 data storage Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本申请涉及一种图像识别模型分发方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置;向NWDAF发起携带有关联地理位置的,针对目标终端的地理位置获取请求;地理位置获取请求用于NWDAF获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。采用本方法能够实现通过5G网络高效地动态分发图像识别模型,提高了图像识别的效率,降低了因需要排队而带来的识别延迟,提高了用户体验。
Description
技术领域
本申请涉及网络技术与安全领域,特别是涉及一种图像识别模型分发方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着网络技术的发展,出现了图像识别技术,这个技术应用于手机等终端上,对于不同场景的图像识别可使用针对性的图像识别模型,然而手机等终端设备硬件资源有限,无法预先加载所有可能的图像识别模型,因此目前的实时获取合适的图像识别模型的方法并不适用所有的情况。
传统技术中,通过5G网络根据需要实时获取合适的图像识别模型。
然而,目前的实时获取合适的图像识别模型的方法,存在可能带来额外的等待延迟的问题。
发明内容
基于此,有必要针对上述可能带来额外的等待延迟的技术问题,提供一种能够通过5G网络高效地动态分发图像识别模型的图像识别模型分发方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种图像识别模型分发方法,其特征在于,应用于图像识别模型服务器,包括:
响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置;
向NWDAF发起与关联地理位置相匹配的,针对目标终端的地理位置获取请求;地理位置获取请求用于NWDAF获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;
在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
在其中一个实施例中,图像识别模型服务器存储有多个图像识别模型,各图像识别模型对应于不同模型类型,用于识别不同类型的图像,并对应有不同地理位置类型;
确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置,包括:
获取与模型订阅请求相匹配的订阅类型,以及获取模型订阅请求相匹配的订阅区域;
将模型类型为订阅模型类型的图像识别模型,作为待获取图像识别模型,并获取各待获取图像识别模型对应的地理位置类型;
将订阅区域内,满足地理位置类型的地理区域,作为各待获取图像识别模型对应的关联地理位置。
在其中一个实施例中,获取与模型订阅请求相匹配的订阅类型,包括:
在模型订阅请求中携带有目标终端订阅的模型类型参数的情况下,将模型类型参数所表征的模型类型,作为订阅类型;
在模型订阅请求中未携带有模型类型参数的情况下,将图像识别模型服务器存储的多个图像识别模型分别对应的各模型类型,作为订阅类型。
在另外一个实施例中,获取模型订阅请求相匹配的订阅区域,包括:
在模型订阅请求中携带有目标终端订阅的位置区域参数的情况下,将位置区域参数所表征的地理区域,作为订阅区域;
在模型订阅请求中未携带有位置区域参数的情况下,将任意一个地理区域作为订阅区域。
在一个实施例中,向NWDAF发起与关联地理位置相匹配的,针对目标终端的地理位置获取请求之前,还包括:
根据关联地理位置,得到模型订阅请求对应的地理位置获取区域参数;
根据待获取图像识别模型,得到模型订阅请求对应的地理位置获取时间参数;
构造携带有目标终端的终端标识、地理位置获取区域参数以及地理位置获取时间参数的地理位置获取请求。
在其中一个实施例中,在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端,包括:
获取与模型订阅请求相匹配的订阅时间区间;
在终端位置与关联地理位置相匹配,并且当前时间位于订阅时间区间内的情况下,将待获取图像识别模型分发至目标终端。
其中,获取与模型订阅请求相匹配的订阅时间区间,包括:
在模型订阅请求中携带有目标终端订阅的时间区间参数的情况下,将时间区间参数所表征的时间区间,作为订阅时间区间;
在模型订阅请求中未携带有时间区间参数的情况下,将任意一个时间区间作为订阅时间区间。
第二方面,本申请还提供了一种图像识别模型分发方法,应用于NWDAF,所述方法包括:
接收图像识别模型服务器发送的针对目标终端的地理位置获取请求;地理位置获取请求与待获取图像识别模型对应的关联地理位置相匹配,待获取图像识别模型为目标终端发起的模型订阅请求相匹配的图像识别模型。
基于地理位置获取请求获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;图像识别模型服务器用于在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
在一个实施例中,地理位置获取请求包括地理位置获取区域参数;基于地理位置获取请求获取目标终端的终端位置;
获取与地理位置获取区域参数相匹配的地理位置获取区域,以及地理位置获取区域对应的AMF单元;
通过AMF单元获取目标终端的终端位置。
在其中一个实施例中,地理位置获取请求还包括地理位置获取时间参数;
通过AMF单元获取目标终端的终端位置,包括:
在地理位置获取时间参数对应的地理位置获取时间位于当前时间之前的情况下,从AMF单元中获取目标终端在地理位置获取时间的第一位置,并将第一位置作为终端位置;
在地理位置获取时间位于当前时间之后的情况下,基于AMF单元返回的目标终端的第二位置,预测目标终端在地理位置获取时间的第三位置,并将第三位置作为终端位置。
在一个实施例中,将终端位置返回图像识别模型服务器,包括:
按照预设时间间隔,将终端位置返回图像识别模型服务器;
和/或
在终端位置位于与关联地理位置相匹配的预设地理位置区域的情况下,将终端位置返回图像识别模型服务器。
第三方面,本申请还提供了一种图像识别模型分发装置,应用于图像识别模型服务器,包括:
确定模块,用于响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置;
请求模块,向NWDAF发起与所述关联地理位置相匹配的,针对目标终端的地理位置获取请求;地理位置获取请求用于NWDAF获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;
分发模块,用于在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
第四方面,本申请还提供了一种图像识别模型分发装置,应用于NWDAF,包括:
接收模块,用于接收图像识别模型服务器发送的针对目标终端的地理位置获取请求;地理位置获取请求与待获取图像识别模型对应的关联地理位置相匹配,待获取图像识别模型为目标终端发起的模型订阅请求相匹配的图像识别模型;
返回模块,用于基于地理位置获取请求获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;图像识别模型服务器用于在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
第五方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如第一方面或者第二方面任一项实施例所述的图像识别模型分发方法。
第六方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或者第二方面任一项实施例所述的图像识别模型分发方法。
第七方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如第一方面或者第二方面任一项实施例所述的图像识别模型分发方法。
上述图像识别模型分发方法、装置、计算机设备、存储介质和计算机程序产品,图像识别模型服务器通过响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置;向NWDAF发起携带有关联地理位置的,针对目标终端的地理位置获取请求;地理位置获取请求用于NWDAF获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。基于预先的订阅请求首先确定模型和地理区域的范围,减少后续调用相关模型时带来的延迟,其次后续向NWDAF发送地理位置获取请求并接收NWDAF返回的终端位置,与前述确定的关联地理位置相匹配,匹配通过后将关联的图像识别模型发送至终端,实现了一个高效动态的图像识别模型分发过程,提高了发放的效率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关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为一个实施例中图像识别模型分发方法的应用环境图;
图2为一个实施例中图像识别模型分发方法的流程示意图;
图3为另一个实施例中确定订阅信息的流程示意图;
图4为另一个实施例中图像识别模型分发方法的流程示意图;
图5为一个实施例中图像识别模型分发方法的具体应用环境图;
图6为另一个实施例中图像识别模型分发方法的信令交互图;
图7为一个详细实施例中图像识别模型分发方法的具体流程图;
图8为一个实施例中图像识别模型分发装置的结构框图;
图9为一个实施例中图像识别模型分发装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的图像识别模型分发方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102向服务器发起订阅请求,服务器104基于订阅请求确定对应的待获取图像识别模型和相关联地理位置,之后由服务器104向NWDAF发起地理位置获取请求,NWDAF获取终端102的终端位置并返回至服务器104,服务器104将终端位置与相关联位置进行匹配,匹配通过后将对应的待获取图像识别模型下发到对应的终端。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中,如图2所示,提供了一种图像识别模型分发方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤201至步骤203。其中:
步骤201,服务器104响应于目标终端102发起的用于获取图像识别模型的模型订阅请求,确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置。
其中,服务器104在本申请的其他地方还可以理解为图像模型识别服务器,目标终端102在本申请的其他地方还可以称为UE。待获取图像识别模型可以理解为与模型订阅请求中模型类型参数确定的模型类型,关联地理位置可以理解为模型类型相匹配的地理位置,比如文物与博物馆等。
可选地,服务器104接收来自目标终端102发起的模型订阅请求,并基于此请求确定相匹配相应的模型类型和此模型类型所关联的地理位置,将以上数据存储在数据存储系统中,方便后续的取用。
步骤203,向NWDAF发起携带有关联地理位置的,针对目标终端的地理位置获取请求;地理位置获取请求用于NWDAF获取目标终端的终端位置,并将终端位置返回图像识别模型服务器。
其中,NWDAF(Network Data Analytics Function)是5G网络中的一个关键功能,它是一个网络数据分析功能,用于提供网络数据分析和智能决策支持。NWDAF可以收集、处理和分析来自网络元素和用户设备的数据,为网络运营商提供实时的网络状态和性能信息,以及智能化的网络优化和决策支持。
示例地,服务器104向NWDAF发起终端地理位置获取请求,并在NWDAF基于该地理位置获取请求获取终端102位置后,接收返回的终端102的终端地理位置。
步骤203,在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
可选地,服务器104调取存储在数据存储系统中的相关联地理位置,将其与从NWDAF处接收到的终端102的终端地理位置进行匹配,在匹配通过后,将相关地理位置对应的待获取图像识别模型分发至目标终端102。
上述图像识别模型分发方法中,服务器104通过响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置;向NWDAF发起携带有关联地理位置的,针对目标终端的地理位置获取请求;地理位置获取请求用于NWDAF获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。基于预先的订阅请求首先确定模型和地理区域的范围,减少后续需要调用相关模型时带来的延迟,其次后续向NWDAF发送地理位置获取请求并接收NWDAF返回的终端位置,与前述确定的关联地理位置相匹配,匹配通过后将关联的图像识别模型发送至终端,实现了一个高效动态的图像识别模型分发过程,提高了分发的效率。
在一个实施例中,如图3所示,图像识别模型服务器104存储有多个图像识别模型,各图像识别模型对应于不同模型类型,用于识别不同类型的图像,并对应有不同地理位置类型;
确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置,包括:
步骤S301,服务器104获取与模型订阅请求相匹配的订阅类型,以及获取模型订阅请求相匹配的订阅区域。
步骤S302,将模型类型为订阅模型类型的图像识别模型,作为待获取图像识别模型,并获取各待获取图像识别模型对应的地理位置类型。
步骤S303,将订阅区域内,满足地理位置类型的地理区域,作为各待获取图像识别模型对应的关联地理位置。
示例地,服务器104在数据存储系统中存储有多个图像识别模型,并且各个图像识别模型对应不同的图像识别类型,以及对应有地理位置类型。服务器104接收终端102发送的模型订阅请求之后,确定匹配的订阅类型和订阅区域,存储到数据存储系统当中,并将将模型类型为订阅模型类型的图像识别模型,作为待获取图像识别模型,并获取各待获取图像识别模型对应的地理位置类型,全部数据都存储到数据系统当中。
基于模型订阅请求首先从多个图像识别模型中筛选出后续需要使用的图像识别模型,并且同时获取了与使用图像识别模型对应的地理位置类型,减少了在进行图像识别时从庞大的数据库中一个一个去匹配的复杂过程,提高图像识别的效率。
在其中一个实施例中,服务器104获取与模型订阅请求相匹配的订阅类型,包括:在模型订阅请求中携带有目标终端订阅的模型类型参数的情况下,将模型类型参数所表征的模型类型,作为订阅类型;在模型订阅请求中未携带有模型类型参数的情况下,将图像识别模型服务器存储的多个图像识别模型分别对应的各模型类型,作为订阅类型。
其中,这里的模型类型参数可以理解为图像识别模型类型列表,如文物、植物、动物和机械等,每种类型代表UE希望获得该类型的图像识别模型。
可选地,服务器104判断模型订阅请求中是否携带有目标终端订阅的模型类型参数,如果携带,将模型参数所表征的模型类型作为订阅类型;如果不携带,则将服务器104的数据存储系统中的多个图像识别模型分别对应的各模型类型,作为订阅类型。根据模型订阅请求来缩小订阅模型类型的范围,通过缩小需要确定的图像识别模型的范围,加快识别的效率,减少了等待查找的时间。
在另外一个实施例中,服务器104获取模型订阅请求相匹配的订阅区域,包括:在模型订阅请求中携带有目标终端订阅的位置区域参数的情况下,将位置区域参数所表征的地理区域,作为订阅区域;在模型订阅请求中未携带有位置区域参数的情况下,将任意一个地理区域作为订阅区域。
示例地,服务器104基于位置区域参数选择地理区域作为订阅区域,比如位置区域参数表征的地理区域为A市B区,则表示期望在B区范围内活动期间能获得模型动态提供,选定A市B区作为对应的订阅区域;或者不包含位置区域参数,则选择任意一个地理区域作为订阅区域。通过基于位置区域参数选择地理区域作为订阅区域,提供了灵活、个性化的模型提供服务。用户可以根据自己的需求选择特定的地理区域,从而获得与该区域相关的模型和数据。
在其中一个实施例中,服务器104向NWDAF发起与关联地理位置相匹配的,针对目标终端的地理位置获取请求之前,还包括:根据关联地理位置,得到模型订阅请求对应的地理位置获取区域参数;根据待获取图像识别模型,得到模型订阅请求对应的地理位置获取时间参数;构造携带有目标终端的终端标识、地理位置获取区域参数以及地理位置获取时间参数的地理位置获取请求。
其中,地理位置获取区域参数可以理解为前述实施例确定的订阅区域,例如TA(Target Area,目标区域)或小区粒度,由服务器104计算得到。时间参数可以理解为两个时间节点之间的区间长度,分别用startTs,endTs表示,该区间长度是等长的且小于订阅时间区间的,相应的时间参数对应相应时间区间的终端位置;终端标识可以理解为区别终端的身份码,例如IMSI(International Mobile Subscriber Identity,国际移动用户识别码)。
可选地,服务器104基于接收的模型订阅请求生成需要NWDAF发起订阅的参数,然后向NWDAF发起含有目标终端的终端表示、地理位置获取参数以及地理位置获取时间参数的地理位置获取请求。服务器104基于接收的模型订阅请求生成需要NWDAF发起订阅的参数,并向NWDAF发起地理位置获取请求,可以实现定制化的订阅参数、精确的地理位置获取、实时的地理位置更新和提高服务质量的技术效果。
在一个实施例中,在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端,包括:获取与模型订阅请求相匹配的订阅时间区间;在终端位置与关联地理位置相匹配,并且当前时间位于订阅时间区间内的情况下,将待获取图像识别模型分发至目标终端。
其中,时间区间参数可以理解为需要模型提供的时间范围,如8:00到18:00,表示提供8小时的模型提供的时间范围,不包含时间参数则表示随机选择一个时间范围进行模型提供。
示例地,服务器104接收NWDAF发送的终端位置,调用存储在数据存储系统中的关联地理位置进行匹配,匹配的条件有相应的订阅时间和地理位置与图像识别模型的关联,只有当前时间位于订阅时间区间且终端位置与相关联地理位置匹配时,才会将对应的图像识别模型发送至终端102。服务器104接收NWDAF发送的终端位置,并根据订阅时间和地理位置与图像识别模型的关联进行匹配,以实现精确匹配、节约资源和带宽、实时响应和更新以及提高用户体验的技术效果。
在另外一个实施例中,服务器104获取与模型订阅请求相匹配的订阅时间区间,包括:在模型订阅请求中携带有目标终端订阅的时间区间参数的情况下,将时间区间参数所表征的时间区间,作为订阅时间区间;在模型订阅请求中未携带有时间区间参数的情况下,将任意一个时间区间作为订阅时间区间。
可选地,服务器104接收到的模型订阅请求,其中携带有时间区间参数的话,其所表征的的时间区间作为订阅时间区间;若不携带时间区间参数,则表示任意一个时间作为订阅时间区间。服务器104接收到的模型订阅请求中,时间区间参数的携带与否可以实现定制化的订阅时间区间、提供灵活性和适应性的订阅服务、提高服务效率和增强用户体验。
在一个示例性的实施例中,如图4所示,提供了一种图像识别模型分发方法,以该方法应用于图1中的NWDAF为例进行说明,包括以下步骤301至步骤302。其中:
步骤S301,接收图像识别模型服务器发送的针对目标终端的地理位置获取请求;地理位置获取请求与待获取图像识别模型对应的关联地理位置相匹配,待获取图像识别模型为目标终端发起的模型订阅请求相匹配的图像识别模型。
示例地,NWDAF接收由服务器104发送的针对目标终端102的地理位置获取请求,该请求与待获取图像识别模型对应的关联位置匹配,待获取图像识别模型是之前终端102发起的模型订阅请求相匹配的图像识别模型。
步骤S302,基于地理位置获取请求获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;图像识别模型服务器用于在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
可选地,NWDAF基于地理位置获取请求来获取目标终端102的地理位置,并将有关终端102地理位置信息的内容返回到服务器104,服务器104将终端102的地理位置与关联地理位置进行匹配,匹配通过之后将待获取图像识别模型分发至目标终端102。
上述图像识别方法中,NWDAF通过接收服务器104发送的针对目标终端102的终端位置获取请求,并且基于此请求获取相应的终端位置,将终端位置返回至服务器104,由服务器104调用相关联地理位置进行匹配,匹配通过之后将待获取图像识别模型分发至目标终端102。通过NWDAF获取终端位置、地理位置匹配和模型分发,可以实现精确的终端位置获取、地理位置匹配、高效的模型分发、节约资源和带宽、实时响应和更新。
在一个实施例中,地理位置获取请求包括地理位置获取区域参数;基于地理位置获取请求获取目标终端的终端位置;获取与地理位置获取区域参数相匹配的地理位置获取区域,以及地理位置获取区域对应的AMF单元;通过AMF单元获取目标终端的终端位置。
其中,AMF(Access and Mobility Management Function)单元可以理解为是5G网络中的一个核心网络单元,负责接入和移动管理功能。AMF单元负责处理与用户设备(UE)的接入和移动相关的控制平面和用户平面功能。
示例地,NWDAF基于地理位置获取请求中包含的地理位置获取区域参数,以及地理位置获取区域参数对应的AMF单元,通过AMF单元获取目标终端102的终端位置。通过与AMF单元的协作,NWDAF可以实现精确的终端位置获取、地理位置相关的个性化服务、高效的位置获取、实时的位置更新和定位服务的决策支持。进而可以提升用户体验、优化网络资源利用和支持运营商的决策制定。
在其中一个实施例中,地理位置获取请求还包括地理位置获取时间参数;通过AMF单元获取目标终端的终端位置,包括:在地理位置获取时间参数对应的地理位置获取时间位于当前时间之前的情况下,从AMF单元中获取目标终端在地理位置获取时间的第一位置,并将第一位置作为终端位置;在地理位置获取时间位于当前时间之后的情况下,基于AMF单元返回的目标终端的第二位置,预测目标终端在地理位置获取时间的第三位置,并将第三位置作为终端位置。
其中,第一位置可以理解为终端102在相应时间的实际地理位置,由AMF单元直接上报;第二位置可以理解为预测的特定时间的终端102位置,第三位置可以理解为NWDAF基于ML(Machine Learning,机器学习)模型推理得到的终端102的未来位置。
可选地,地理获取请求中还包括地理位置获取时间参数,在时间参数在当前时间之前时,NWDAF直接从AMF单元接收终端102的当前位置,并将其作为返回的终端位置;在时间参数在当前时间之后时,接收终端102预测的特定的时间内的位置,并基于ML模型推理之后得到终端102的未来位置,并以此作为终端位置返回。通过利用NWDAF自带的数据分析和推理功能,不只可基于用户实际位置,也可基于用户的预测位置,提前预判、提供用户所需的图像识别模型。提高模型分发效率,降低等待时延,有助提升用户体验。服务器104无需获取用户的位置隐私许可,而是通过NWDAF获取的位置信息。用户信息安全性高。
在一个实施例中,按照预设时间间隔,将终端位置返回图像识别模型服务器;和/或在终端位置位于与关联地理位置相匹配的预设地理位置区域的情况下,将终端位置返回图像识别模型服务器。
其中,预设时间间隔可以理解为一个等长的时间区间,比如10分钟,预设地理位置区域可以理解为是与关联地理位置匹配的,但范围略大于关联地理位置的一片地理区域,比如A栋和A小区。
示例地,NWDAF将终端102的终端位置返回至服务器104,返回的方式可以是按照预设的时间间隔发送终端位置,和/或在检测到当前终端位置位于预设地理位置区域之后才发送相应的终端位置。NWDAF将终端102的终端位置返回至服务器104的方式可以带来精确的位置获取、地理位置相关的个性化服务、高效的位置获取、实时的位置更新和定位服务的决策支持。
在一个图像识别模型分发方法最详细实施例中,涉及的实体为UE(APP)、图像识别模型服务器、NWDAF,如图5所示。各实体之前涉及的信令交互流程,如图6所示。具体包括如下步骤:
步骤S601,UE(APP)向图像识别模型服务器订阅“基于地理位置的图像识别模型动态提供”。订阅的参数包括:
1)(必填)IMSI:UE的标识。
2)(可选)订阅时间范围:表示需要模型提供的时间范围,如不提供则表示不限定时间范围。如8:00到18:00。
3)(可选)地理位置区域范围:表示需要模型提供的区域范围,如不提供则表示限定区域。如“A市B区”表示期望在B区范围内活动期间能获得模型动态提供的保障。
4)(可选)模型类型范围:表示需要的图形识别模型类型列表,如不提供则表示关注所有类型。例如,可选类型如文物、植物、动物、机械等,每种类型代表UE希望获得该类型的图像识别模型。
步骤S602,图像识别模型服务器根据用户订阅信息计算UE移动性分析订阅参数:
1)服务器存储了众多图像识别模型,每模型关联着特定地理位置和类型,例如适用于某地博物馆的图像识别模型,关联着该博物馆所在的地理位置和“文物”模型类型。
2)根据UE订阅所指定的“模型类型”、“地理位置范围”,服务器筛选出订阅所需的模型及其关联地理位置。
步骤S603,图像识别模型服务器向NWDAF订阅UE移动性分析,订阅的参数包括,见3GPP 23.288:
1)event:取值UE_MOBILITY表示UE移动性分析;
2)tgtUe:分析的目标UE,即IMSI,作为UE的标识;
3)startTs,endTs:表示分析所关注的时间范围;
4)networkArea:分析所关注的区域,TA或小区粒度,由图像识别模型服务器计算得到;
5)统计或预测:该参数实际由startTs,endTs表示,如时间范围为过去的时间,则表示提供UE在相应时间的实际位置;否则提供预测的特定时间的UE位置。“按UE实际位置或预测位置提供模型”由图像识别模型服务器的策略决定。
步骤S604,NWDAF向图像识别服务器通知UE移动性报告,告知UE的真实位置或预测位置:根据预订的情况提供统计或预测UE移动性报告,即UE的真实位置或预测UE即将进入的位置。
步骤S605,根据UE真实位置或预测即将进入的地理位置,图像识别模型服务器确定需向UE提供的图像识别模型。
步骤S606,图像识别模型服务器向UE(APP)提供图像识别模型。
在一个图像识别模型分发方法最详细实施例中,其中,具体的应用环境如图5所示,最详细实施例的过程如图7所示,具体步骤如下:
步骤S701,UE向图像识别模型服务器发起模型订阅请求。
步骤S702,图像识别模型服务器基于模型订阅请求分别确定匹配的待获取图像识别模型,以及相关联地理位置,还有订阅时间区间和地理区域的确定;并且在构建地理位置获取请求之前,获取时间参数和区域参数,基于前述参数构建携带UE标识,区域参数和时间参数的地理位置获取请求,向NWDAF发起该地理位置获取请求。
步骤S703,当时间参数在当前时间之前,UE通过AMF单元向NWDAF发送第一UE位置;当时间参数在当前时间之后,UE通过AMF单元向NWDAF发送第二UE位置。
步骤S704,当接收到的是第一UE位置时直接作为UE位置;当接收到的是第二UE位置时,经ML模型推理之后得到的预测UE位置作为UE位置。
步骤S705,NWDAF按照预设时间间隔和/或在终端位置位于关联地理位置匹配的预设地理位置区域的情况下,向图像识别服务器返回UE位置。
步骤S706,图像识别服务器基于前述模型订阅请求中的时间参数,分别进行时间参数表征的时间区间的匹配和终端位置与相关联地理位置匹配。
步骤S707,匹配通过后,图像识别服务器向UE分发对应的待获取图像识别模型。
上述公开的实施例,与现有技术相比具有以下优势:
1)基于NWDAF的分析能力,不只可基于用户实际位置,也可基于用户的预测位置,提前预判、提供用户所需的图像识别模型。提高模型分发效率,降低等待时延,有助提升用户体验。
2)本申请利用5G网络自身的AI能力(NWDAF的预测分析)支持终端应用级的AI服务(图像识别应用),实质提出一种网络智能和终端智能协同工作方式,有可能成为后续很多5G网络AI应用场景的范式。
3)图像识别模型服务器无需获取用户的位置隐私许可,而是通过5GC NWDAF获取的位置信息,用户信息安全性高。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的图像识别模型分发方法的图像识别分发装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个图像识别模型分发装置实施例中的具体限定可以参见上文中对于图像识别模型分发方法的限定,在此不再赘述。
在一个示例性的实施例中,如图8所示,提供了一种图像模型识别分发装置,应用于图像识别模型服务器,包括:确定模块801、请求模块802和分发模块803,其中:
确定模块801,用于响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与模型订阅请求相匹配的待获取图像识别模型,以及待获取图像识别模型对应的关联地理位置。
请求模块802,用于向NWDAF发起与所述关联地理位置相匹配的,针对目标终端的地理位置获取请求;地理位置获取请求用于NWDAF获取目标终端的终端位置,并将终端位置返回图像识别模型服务器。
分发模块803,用于在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
在其中一个实施例中,请求模块802还包括:获取子模块、确定子模块和筛选子模块,其中:
图像识别模型服务器存储有多个图像识别模型,各图像识别模型对应于不同模型类型,用于识别不同类型的图像,并对应有不同地理位置类型。
获取子模块,用于获取与模型订阅请求相匹配的订阅类型,以及获取模型订阅请求相匹配的订阅区域。
确定子模块,用于将模型类型为订阅模型类型的图像识别模型,作为待获取图像识别模型,并获取各待获取图像识别模型对应的地理位置类型。
筛选子模块,用于将订阅区域内,满足地理位置类型的地理区域,作为各待获取图像识别模型对应的关联地理位置。
其中一个具体实施例中,获取子模块具体用于在在模型订阅请求中携带有目标终端订阅的模型类型参数的情况下,将模型类型参数所表征的模型类型,作为订阅类型;在模型订阅请求中未携带有模型类型参数的情况下,将图像识别模型服务器存储的多个图像识别模型分别对应的各模型类型,作为订阅类型。
在模型订阅请求中携带有目标终端订阅的位置区域参数的情况下,将位置区域参数所表征的地理区域,作为订阅区域;在模型订阅请求中未携带有位置区域参数的情况下,将任意一个地理区域作为订阅区域。
在一个实施例中,请求模块802之前具体用于在根据关联地理位置,得到模型订阅请求对应的地理位置获取区域参数;根据待获取图像识别模型,得到模型订阅请求对应的地理位置获取时间参数;构造携带有目标终端的终端标识、地理位置获取区域参数以及地理位置获取时间参数的地理位置获取请求。
其中一个实施例中,分发模块803具体用于在获取与模型订阅请求相匹配的订阅时间区间;在终端位置与关联地理位置相匹配,并且当前时间位于订阅时间区间内的情况下,将待获取图像识别模型分发至目标终端。
在模型订阅请求中携带有目标终端订阅的时间区间参数的情况下,将时间区间参数所表征的时间区间,作为订阅时间区间;在模型订阅请求中未携带有时间区间参数的情况下,将任意一个时间区间作为订阅时间区间。
在一个示例性的实施例中,如图9所示,提供了一种图像模型识别分发装置,包括:接收模块901和返回模块902,其中:
接收模块901,用于接收图像识别模型服务器发送的针对目标终端的地理位置获取请求;地理位置获取请求与待获取图像识别模型对应的关联地理位置相匹配,待获取图像识别模型为目标终端发起的模型订阅请求相匹配的图像识别模型;
返回模块902,用于基于地理位置获取请求获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;图像识别模型服务器用于在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
在一个示例性的实施例中,如图9所示,提供了一种图像模型识别分发装置,应用于NWDAF,包括:接收模块901和返回模块902,其中:
接收模块901,用于接收图像识别模型服务器发送的针对目标终端的地理位置获取请求;地理位置获取请求与待获取图像识别模型对应的关联地理位置相匹配,待获取图像识别模型为目标终端发起的模型订阅请求相匹配的图像识别模型。
返回模块902,用于基于地理位置获取请求获取目标终端的终端位置,并将终端位置返回图像识别模型服务器;图像识别模型服务器用于在终端位置与关联地理位置相匹配的情况下,将待获取图像识别模型分发至目标终端。
一个实施例中,接收模块901具体用于在地理位置获取请求包括地理位置获取区域参数;基于地理位置获取请求获取目标终端的终端位置;获取与地理位置获取区域参数相匹配的地理位置获取区域,以及地理位置获取区域对应的AMF单元;通过AMF单元获取目标终端的终端位置。
在一个实施例中,返回模块902还包括:获取子模块和返回子模块,其中:
获取子模块具体用于在地理位置获取请求还包括地理位置获取时间参数;通过AMF单元获取目标终端的终端位置,包括:在地理位置获取时间参数对应的地理位置获取时间位于当前时间之前的情况下,从AMF单元中获取目标终端在地理位置获取时间的第一位置,并将第一位置作为终端位置;在地理位置获取时间位于当前时间之后的情况下,基于AMF单元返回的目标终端的第二位置,预测目标终端在地理位置获取时间的第三位置,并将第三位置作为终端位置。
其中一个具体实施例中,返回子模块具体用于在将终端位置返回图像识别模型服务器,包括:按照预设时间间隔,将终端位置返回图像识别模型服务器;
和/或
在终端位置位于与关联地理位置相匹配的预设地理位置区域的情况下,将终端位置返回图像识别模型服务器。
上述图像识别模型分发装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待获取图像识别模型和相关联地理位置数据,时间区域,地理位置类型区域,模型类型区域,终端标识和统计或预测数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像识别模型分发方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个示例性的实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述实施例的图像识别模型分发方法。
在一个实施例中,提供了一种计算机可读存储介质,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实施例的图像识别模型分发方法。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述实施例的图像识别模型分发方法。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (16)
1.一种图像识别模型分发方法,其特征在于,应用于图像识别模型服务器,所述方法包括:
响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与所述模型订阅请求相匹配的待获取图像识别模型,以及所述待获取图像识别模型对应的关联地理位置;
向NWDAF发起与所述关联地理位置相匹配的,针对所述目标终端的地理位置获取请求;所述地理位置获取请求用于所述NWDAF获取所述目标终端的终端位置,并将所述终端位置返回所述图像识别模型服务器;
在所述终端位置与所述关联地理位置相匹配的情况下,将所述待获取图像识别模型分发至所述目标终端。
2.根据权利要求1所述的方法,其特征在于,所述图像识别模型服务器存储有多个图像识别模型,各所述图像识别模型对应于不同模型类型,用于识别不同类型的图像,并对应有不同地理位置类型;
所述确定与所述模型订阅请求相匹配的待获取图像识别模型,以及所述待获取图像识别模型对应的关联地理位置,包括:
获取与所述模型订阅请求相匹配的订阅类型,以及获取所述模型订阅请求相匹配的订阅区域;
将所述模型类型为所述订阅模型类型的图像识别模型,作为所述待获取图像识别模型,并获取各所述待获取图像识别模型对应的地理位置类型;
将所述订阅区域内,满足所述地理位置类型的地理区域,作为各所述待获取图像识别模型对应的关联地理位置。
3.根据权利要求2所述的方法,其特征在于,所述获取与所述模型订阅请求相匹配的订阅类型,包括:
在所述模型订阅请求中携带有所述目标终端订阅的模型类型参数的情况下,将所述模型类型参数所表征的模型类型,作为所述订阅类型;
在所述模型订阅请求中未携带有所述模型类型参数的情况下,将所述图像识别模型服务器存储的多个图像识别模型分别对应的各所述模型类型,作为所述订阅类型。
4.根据权利要求2所述的方法,其特征在于,所述获取所述模型订阅请求相匹配的订阅区域,包括:
在所述模型订阅请求中携带有所述目标终端订阅的位置区域参数的情况下,将所述位置区域参数所表征的地理区域,作为所述订阅区域;
在所述模型订阅请求中未携带有所述位置区域参数的情况下,将任意一个地理区域作为所述订阅区域。
5.根据权利要求1所述的方法,其特征在于,所述向NWDAF发起与所述关联地理位置相匹配的,针对所述目标终端的地理位置获取请求之前,还包括:
根据所述关联地理位置,得到所述模型订阅请求对应的地理位置获取区域参数;
根据所述待获取图像识别模型,得到所述模型订阅请求对应的地理位置获取时间参数;
构造携带有所述目标终端的终端标识、所述地理位置获取区域参数以及所述地理位置获取时间参数的地理位置获取请求。
6.根据权利要求1所述的方法,其特征在于,在所述终端位置与所述关联地理位置相匹配的情况下,将所述待获取图像识别模型分发至所述目标终端,包括:
获取与所述模型订阅请求相匹配的订阅时间区间;
在所述终端位置与所述关联地理位置相匹配,并且当前时间位于所述订阅时间区间内的情况下,将所述待获取图像识别模型分发至所述目标终端。
7.根据权利要求6所述的方法,其特征在于,所述获取与所述模型订阅请求相匹配的订阅时间区间,包括:
在所述模型订阅请求中携带有所述目标终端订阅的时间区间参数的情况下,将所述时间区间参数所表征的时间区间,作为所述订阅时间区间;
在所述模型订阅请求中未携带有所述时间区间参数的情况下,将任意一个时间区间作为所述订阅时间区间。
8.一种图像识别模型分发方法,其特征在于,应用于NWDAF,所述方法包括:
接收图像识别模型服务器发送的针对目标终端的地理位置获取请求;所述地理位置获取请求与待获取图像识别模型对应的关联地理位置相匹配,所述待获取图像识别模型为所述目标终端发起的模型订阅请求相匹配的图像识别模型;
基于所述地理位置获取请求获取所述目标终端的终端位置,并将所述终端位置返回所述图像识别模型服务器;所述图像识别模型服务器用于在所述终端位置与所述关联地理位置相匹配的情况下,将所述待获取图像识别模型分发至所述目标终端。
9.根据权利要求8所述的方法,其特征在于,所述地理位置获取请求包括地理位置获取区域参数;所述基于所述地理位置获取请求获取所述目标终端的终端位置;
获取与所述地理位置获取区域参数相匹配的地理位置获取区域,以及所述地理位置获取区域对应的AMF单元;
通过所述AMF单元获取所述目标终端的终端位置。
10.根据权利要求9所述的方法,其特征在于,所述地理位置获取请求还包括地理位置获取时间参数;
所述通过所述AMF单元获取所述目标终端的终端位置,包括:
在所述地理位置获取时间参数对应的地理位置获取时间位于当前时间之前的情况下,从所述AMF单元中获取所述目标终端在所述地理位置获取时间的第一位置,并将所述第一位置作为所述终端位置;
在所述地理位置获取时间位于当前时间之后的情况下,基于所述AMF单元返回的所述目标终端的第二位置,预测所述目标终端在所述地理位置获取时间的第三位置,并将所述第三位置作为所述终端位置。
11.根据权利要求8所述的方法,其特征在于,所述将所述终端位置返回所述图像识别模型服务器,包括:
按照预设时间间隔,将所述终端位置返回所述图像识别模型服务器;
和/或
在所述终端位置位于与所述关联地理位置相匹配的预设地理位置区域的情况下,将所述终端位置返回所述图像识别模型服务器。
12.一种图像识别模型分发装置,其特征在于,应用于图像识别模型服务器,所述装置包括:
确定模块,用于响应于目标终端发起的用于获取图像识别模型的模型订阅请求,确定与所述模型订阅请求相匹配的待获取图像识别模型,以及所述待获取图像识别模型对应的关联地理位置;
请求模块,向NWDAF发起与所述关联地理位置相匹配的,针对所述目标终端的地理位置获取请求;所述地理位置获取请求用于所述NWDAF获取所述目标终端的终端位置,并将所述终端位置返回所述图像识别模型服务器;
分发模块,用于在所述终端位置与所述关联地理位置相匹配的情况下,将所述待获取图像识别模型分发至所述目标终端。
13.一种图像识别模型分发装置,其特征在于,应用于NWDAF,所述装置包括:
接收模块,用于接收图像识别模型服务器发送的针对目标终端的地理位置获取请求;所述地理位置获取请求与待获取图像识别模型对应的关联地理位置相匹配,所述待获取图像识别模型为所述目标终端发起的模型订阅请求相匹配的图像识别模型;
返回模块,用于基于所述地理位置获取请求获取所述目标终端的终端位置,并将所述终端位置返回所述图像识别模型服务器;所述图像识别模型服务器用于在所述终端位置与所述关联地理位置相匹配的情况下,将所述待获取图像识别模型分发至所述目标终端。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
15.一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,所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
16.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140420.5A CN117221387A (zh) | 2023-09-05 | 2023-09-05 | 图像识别模型分发方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140420.5A CN117221387A (zh) | 2023-09-05 | 2023-09-05 | 图像识别模型分发方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117221387A true CN117221387A (zh) | 2023-12-12 |
Family
ID=89036366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311140420.5A Pending CN117221387A (zh) | 2023-09-05 | 2023-09-05 | 图像识别模型分发方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117221387A (zh) |
-
2023
- 2023-09-05 CN CN202311140420.5A patent/CN117221387A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109768879B (zh) | 目标业务服务器的确定方法、装置及服务器 | |
CN107305611B (zh) | 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置 | |
WO2020172595A1 (en) | Automated closed-loop actions in a network using a distributed ledger | |
CN110716989A (zh) | 维度数据处理方法、装置、计算机设备和存储介质 | |
CN113014623B (zh) | 埋点实时流数据处理方法、装置、计算机设备和存储介质 | |
CN113392158A (zh) | 业务数据处理方法、装置及数据中台 | |
CN111339183A (zh) | 数据处理方法、边缘节点、数据中心及存储介质 | |
CN105335313A (zh) | 一种基础数据的传输方法及装置 | |
US20220345925A1 (en) | Distribution of Consolidated Analytics Reports in a Wireless Core Network | |
CN117221387A (zh) | 图像识别模型分发方法、装置、计算机设备和存储介质 | |
CN116048817A (zh) | 数据处理控制方法、装置、计算机设备和存储介质 | |
WO2022089321A1 (zh) | 调度接入点的方法、装置、服务器以及存储介质 | |
CN111343172A (zh) | 网络访问权限动态处理方法及装置 | |
CN113487344B (zh) | 通信业务预测方法、集中服务器、边缘业务终端和介质 | |
CN116561735B (zh) | 一种基于多认证源的互信认证方法、系统及电子设备 | |
EP4084372A1 (en) | Method and apparatus for communication systems comprising management data analytic functions | |
CN113055419B (zh) | 一种信息发送方法及装置 | |
WO2023087247A1 (en) | System, apparatus and methods of privacy protection | |
US9571401B2 (en) | Technique for projecting network load in a communication network | |
CN117278799A (zh) | 服务器资源分配方法、装置、计算机设备和存储介质 | |
CN114185949A (zh) | 信息登记方法、装置、计算机设备、存储介质和程序产品 | |
CN118012618A (zh) | 接口请求的调度方法、装置、计算机设备、存储介质 | |
CN116709301A (zh) | 用户信息保护方法、装置、计算机设备和存储介质 | |
CN116781709A (zh) | 任务执行方法、装置、计算机设备及其存储介质 | |
CN116680474A (zh) | 数据处理方法、装置、计算机设备和存储介质 |
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 |