[发明专利]一种新型可扩展的深度学习系统及数据识别方法

说明书

本发明公开了一种新型可扩展的深度学习系统及数据识别方法，系统包括依次连接的数据录入设备、数据识别设备和处理器设备，数据识别设备由至少两个数据识别装置级联组成，所述数据识别装置包括数据输入接口、交换模块、存储模块、控制模块、计算模块和数据输出接口，其中，数据输入接口用于接收数据；交换模块用于判断是否将待识别数据、第一深度学习算法模型存储到存储模块中；存储模块用于在交换模块的判断结果为是的情况下存储待识别数据和第一深度学习算法模型；控制模块用于向计算模块发出针对待识别数据的识别指令；计算模块用于识别待识别数据；数据输出接口用于输出识别结果。应用本发明实施例，可以提高对待识别数据的识别准确率。

技术领域

本发明涉及深度学习技术领域，具体涉及一种新型可扩展的深度学习系统及数据识别方法。

背景技术

深度学习是机器学习的一个分支，目的在于建立一个模拟人脑进行分析学习的神经网络，通过模仿人脑的工作机制来进行数据处理，例如图像通常应用在视频识别、图像识别或者声音识别领域。

目前，通常是将深度学习算法模型烧录入计算模块中，再将计算模块集成在数据识别装置中，由数据识别装置中的数据采集模块采集待识别数据，然后由计算模块对待识别数据进行识别。以上数据识别方式一个很重要的应用领域是公共安全领域，例如，可以集成在公共安全摄像头中，由公共安全摄像头拍摄视频或者图像，再由计算模块对公共安全摄像头拍摄的视频或者图像进行识别，例如，可以识别出图像中包含的人物、车辆、动物、建筑物等。

但是，由于在数据识别过程中，受深度学习算法模型的模型参数设置的因素或者深度学习算法模型的模型结构的因素影响，导致目前的数据识别装置，对待识别数据的识别的准确率不高。

发明内容

本发明所要解决的技术问题在于提供了一种新型可扩展的深度学习系统及数据识别方法。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种新型可扩展的深度学习系统，所述系统包括：依次连接的数据录入设备、数据识别设备和处理器设备，所述数据识别设备由至少两个数据识别装置级联组成，其中，

所述数据录入设备，用于录入输入的数据并将所述输入的数据发送给所述数据识别设备；

所述数据识别装置包括：数据输入接口、交换模块、存储模块、控制模块、计算模块和数据输出接口，其中，

所述数据输入接口，用于接收所述输入的数据，所述输入的数据包括：待识别数据、第一深度学习算法模型以及其他设备采用第二深度学习算法模型针对所述待识别数据的识别结果；

所述交换模块，用于根据所述待识别数据的标识信息和所述第一深度学习算法模型的标识信息，判断是否将所待识别数据以及所述第一深度学习算法模型存储到所述存储模块中；

所述存储模块，用于在所述交换模块的判断结果为是的情况下，存储所述待识别数据和所述第一深度学习算法模型；

所述控制模块，用于向所述计算模块发出针对所述待识别数据的识别指令；

所述计算模块，用于根据所述识别指令获取所述第一深度学习算法模型和所述待识别数据，并利用所述第一深度学习算法模型对所述待识别数据进行识别处理；

所述数据输出接口，用于输出所述计算模块的识别结果和所述其他设备针对所述待识别数据的识别结果；

所述处理器设备，用于接收数据识别设备输出的识别结果，并对所述识别结果进行筛选处理。

可选的，在本发明实施例的一种具体实施方式中，所述数据输入接口包括：第一数据输入接口和第二数据输入接口，其中，所述第一数据输入接口，用于接收非图像数据；所述第二数据输入接口，用于接收图像数据；