[发明专利]支持感测特征的信号段的组织

说明书

用于随时间感测物理实体的特征的感测的信号的管理。生成感测的特征的计算机可导航图。对于每个感测的特征，将用于感测该特征的信号段与感测的特征计算机相关联。稍后，可以将感测的特征图导航到该特征。然后，所得到的(多个)信号段可以被访问，从而允许绘制产生感测的特征的信号证据。因此，本文中描述的原理允许对物理世界中的物理实体的感测的特征进行复杂和有组织的导航，并且允许快速绘制证明感测的特征的信号。

背景技术

计算系统和相关联的网络极大地改变了我们的世界。起初，计算系统只能执行简单的任务。然而，随着处理能力的增加并且变得越来越可用，由计算系统执行的任务的复杂性已经大大增加。同样，计算系统的硬件复杂性和能力也大大增加，例如由大型数据中心支持的云计算。

长期以来，计算系统基本上完成了他们的指令或软件所告知的内容。然而，软件和硬件的使用变得如此先进，以至于计算系统现在比以往任何时候都能够在更高层次上进行某种程度的决策。目前，在某些方面，决策水平可以接近，竞争或甚至超过人类大脑做出决策的能力。换言之，计算系统现在能够采用某种程度的人工智能。

人工智能的一个示例是识别来自物理世界的外部刺激。例如，语音识别技术已经大大改进，以允许高度准确地检测正在说出的单词，甚至是正在讲话的人的身份。同样地，计算机视觉允许计算系统自动标识特定图片或视频帧内的对象，或者识别跨一系列视频帧的人类活动。作为示例，面部识别技术允许计算系统识别面部，并且活动识别技术允许计算系统知道两个邻近的人是否在一起工作。

这些技术中的每一种都可以采用深度学习(基于深度神经网络和基于强化的学习机制)和机器学习算法来从经验中学习产生声音的是什么、以及图像内的对象或人物，从而随时间提高识别的准确性。在识别具有大量视觉干扰的更复杂的成像场景内的对象的领域中，先进的计算机视觉技术现在超出了人类快速且准确地识别该场景内的感兴趣对象的能力。诸如传统图形处理单元(GPU)中的矩阵变换硬件等硬件也可以有助于在深度神经网络的上下文中进行快速对象识别。

本文中要求保护的主题不限于解决任何缺点或仅在诸如上述那些环境中操作的实施例。而是，提供该背景仅用于说明可以实践本文中描述的一些实施例的一个示例性技术领域。

发明内容

本文中描述的实施例涉及用于随时间感测物理实体的特征的感测的信号的管理。该方法包括随时间创建感测的物理实体的感测的特征的计算机可导航图。计算机可导航图可以是可以由计算系统导航到的以有组织的方式关联的感测的特征的任何集合。例如，导航可以响应于用户输入，响应于用户查询，作为机器学习算法的一部分，或者出于任何其他原因来进行。另外，对于感测的多个实体中的至少一个实体的感测的特征中的至少一个，至少一个信号段与感测的特征计算机相关联，使得到感测的特征的计算机导航也允许到信号段的计算机导航。

稍后，自动地或响应于用户输入(诸如查询)，可以将感测的特征的图导航到一个或多个感测的特征。然后，所得到的(多个)感测的信号可以被访问，从而允许绘制产生感测的特征的信号证据。因此，本文中描述的原理允许对物理世界中的物理实体的感测的特征进行复杂和有组织的导航，并且允许快速绘制证明感测的特征的信号。这使得能够对物理世界执行复杂的计算和查询，并且能够快速聚焦于该计算感兴趣的物理世界的部分。

提供本“发明内容”是为了以简化的形式介绍一些概念，这些概念将在下面的“具体实施方式”中进一步描述。本“发明内容”不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

附图说明

为了描述可以获取本发明的上述和其他优点和特征的方式，将通过参考附图中所示的具体实施例来呈现上面简要描述的本发明的更具体的描述。应当理解，这些附图仅描绘了本发明的典型实施例，因此不应当被认为是对其范围的限制，本发明将通过使用附图的附加特征和细节进行描述和解释，在附图中：

图1示出了可以采用本文中描述的原理的示例计算机系统；