[发明专利]深度学习前向预测的实现方法、装置和机器设备

权利要求书

1.一种深度学习前向预测的实现方法，其特征在于，所述方法包括：

获取待进行深度学习对象识别的批量识别对象，所述深度学习对象是文本行图片；

获取部署有所述深度学习对象识别的机器的单次计算容量；

根据所述单次计算容量对所述批量识别对象进行动态分组，获得若干组识别对象，其中每组识别对象所需的计算容量均匹配于所述单次计算容量，所获得的若干分组中分组之间对应的文本行图片数量各不相同，使得输入至所述深度学习前向网络的识别对象数量是动态变化的；

以组为单位将获得的所述若干组识别对象传入深度学习前向网络，获得所述批量识别对象进行深度学习对象识别的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取待进行深度学习对象识别的批量识别对象，包括：

接收待进行深度学习对象识别的选择操作；

根据所述选择操作获取待进行深度学习对象识别的对象；

通过进行的对象检测获得所述对象对应的批量识别对象。

3.根据权利要求2所述的方法，其特征在于，所述对象包括图片，所述通过进行的对象检测获得所述对象对应的批量识别对象，包括：

将所述图片进行文本检测，获得所述图片中存在的文本区域；

根据所述图片中存在的文本区域，从所述图片提取得到多个文本行图片，所述多个文本行图片形成批量识别对象。

4.根据权利要求1所述的方法，其特征在于，所述根据所述单次计算容量对所述批量识别对象进行动态分组，获得若干组识别对象，包括：

预估每一识别对象所需计算容量；

以所述单次计算容量为目标，对所述批量识别对象中的所有识别对象迭代划分为若干组识别对象；

对所迭代划分的若干组识别对象，分别计算每一组识别对象所需计算容量；

根据每一组识别对象所需计算容量，如果所迭代划分的至少一组识别对象不匹配所述单次计算容量，则继续进行所述批量识别对象的迭代划分；

如果每一组识别对象所需计算容量都匹配于所述单次计算容量，则结束所述批量识别对象的迭代划分。

5.根据权利要求1所述的方法，其特征在于，所述以组为单位将获得的所述若干组识别对象传入深度学习前向网络，获得所述批量识别对象进行深度学习对象识别的预测结果，包括：

将所述若干组识别对象逐一传入深度学习前向网络，在所述深度学习前向网络中进行前向计算，获得每一识别对象相对于所述对象的局部预测结果；

根据每一识别对象相对于所述对象的存在，进行所述局部预测结果之间的拼接，获得所述批量对象进行深度学习对象识别的预测结果。

6.根据权利要求5所述的方法，其特征在于，所述对象包括图片，所述根据每一识别对象相对于所述对象的存在，进行所述局部预测结果之间的拼接，获得所述批量对象进行深度学习对象识别的预测结果，包括：

根据每一识别对象在所述图片中的位置，以及与其它识别对象之间的位置关系，拼接所获得的局部预测结果得到进行深度学习图片识别的预测结果。

7.一种深度学习前向预测的实现装置，其特征在于，所述装置包括：

批量获取模块，用于获取待进行深度学习对象识别的批量识别对象，所述深度学习对象是文本行图片；

容量获取模块，用于获取部署有所述深度学习对象识别的机器的单次计算容量；

动态分组模块，用于根据所述单次计算容量对所述批量识别对象进行动态分组，获得若干组识别对象，其中每组识别对象所需的计算容量均匹配于所述单次计算容量，所获得的若干分组中分组之间对应的文本行图片数量各不相同，使得输入至所述深度学习前向网络的识别对象数量是动态变化的；

分组传入模块，用于以组为单位将获得的所述若干组识别对象传入深度学习前向网络，获得所述批量识别对象进行深度学习对象识别的预测结果。