[发明专利]基于顶层生成深度学习的数据转换方法、系统、介质和设备

权利要求书

1.一种基于顶层生成深度学习的数据转换方法，其特征在于：所述方法包括：

建立深度学习神经网络，学习目标分辨率样本数据；

将源分辨率数据转换为第一目标分辨率数据；

将第一目标分辨率数据作为深度学习神经网络的输入，通过深度学习的认知过程得到深度学习神经网络的顶层概念；

通过深度学习神经网络将第一目标分辨率数据获取到顶层概念中，通过深度学习神经网络生成第二目标分辨率数据，将第二目标分辨率数据作为源分辨率数据的转换结果；

所述建立深度学习神经网络，学习目标分辨率样本数据，具体包括：

获取源分辨率数据，以及目标分辨率；其中，所述源分辨率是预设的低分辨率，输入数据是猪图像，目标分辨率是预设的高分辨率，或者所述源分辨率是预设的高分辨率，输入数据是猪图像，目标分辨率是预设的低分辨率；

获取目标分辨率样本数据；其中，所述目标分辨率样本数据与源分辨率数据的类别相同；

将目标分辨率样本数据作为深度学习神经网络的输入，进行自下而上的无监督训练；

所述通过深度学习的认知过程得到深度学习神经网络的顶层概念，具体包括：

从第一目标分辨率数据认知得到隐层第一层的概念，根据隐层第一层的概念认知得到隐层第二层的概念，依此类推，直到得到隐藏最后一层的概念，将隐藏最后一层的概念作为深度学习神经网络的顶层概念；

所述通过深度学习神经网络生成第二目标分辨率数据，具体包括：

从顶层概念生成得到隐层倒数第二层的概念，根据隐层倒数第二层的概念认知得到隐层倒数第三层的概念，依此类推，直到得到输入层的概念，将输入层的概念作为第二目标分辨率数据。

2.一种基于顶层生成深度学习的数据转换机器人系统，其特征在于：所述系统包括：

深度学习神经网络建立模块，用于建立深度学习神经网络，学习目标分辨率样本数据；

数据转换模块，用于将源分辨率数据转换为第一目标分辨率数据；

顶层概念获取模块，用于将第一目标分辨率数据作为深度学习神经网络的输入，通过深度学习的认知过程得到深度学习神经网络的顶层概念；

数据生成模块，用于通过深度学习神经网络将第一目标分辨率数据获取到顶层概念中，通过深度学习神经网络生成第二目标分辨率数据，将第二目标分辨率数据作为源分辨率数据的转换结果；

所述深度学习神经网络建立模块，具体包括：

第一获取单元，用于获取源分辨率数据，以及目标分辨率；其中，所述源分辨率是预设的低分辨率，输入数据是猪图像，目标分辨率是预设的高分辨率，或者所述源分辨率是预设的高分辨率，输入数据是猪图像，目标分辨率是预设的低分辨率；

第二获取单元，用于获取目标分辨率样本数据；其中，所述目标分辨率样本数据与源分辨率数据的类别相同；

无监督训练单元，用于将目标分辨率样本数据作为深度学习神经网络的输入，进行自下而上的无监督训练；

所述顶层概念获取模块中，所述通过深度学习的认知过程得到深度学习神经网络的顶层概念，具体包括：

从第一目标分辨率数据认知得到隐层第一层的概念，根据隐层第一层的概念认知得到隐层第二层的概念，依此类推，直到得到隐藏最后一层的概念，将隐藏最后一层的概念作为深度学习神经网络的顶层概念；

所述数据生成模块中，所述通过深度学习神经网络生成第二目标分辨率数据，具体包括：

从顶层概念生成得到隐层倒数第二层的概念，根据隐层倒数第二层的概念认知得到隐层倒数第三层的概念，依此类推，直到得到输入层的概念，将输入层的概念作为第二目标分辨率数据。

3.一种存储介质，存储有程序，其特征在于：所述程序被处理器执行时，实现权利要求1所述的数据转换方法。

4.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于：所述处理器执行存储器存储的程序时，实现权利要求1所述的数据转换方法。