[发明专利]一种基于深度学习的云渲染资源兑换方法

权利要求书

1.一种基于深度学习的云渲染资源兑换方法，其特征在于：

第一步，构建一种面向云渲染业务的改进版深度学习平台，采用三层架构，底层：对接计算(渲染和常规)、储存和网络(渲染、应用、区块链)资源；平台层：部署渲染、深度学习和数据分析平台，并进行定制化裁剪；应用层：通过灵活设置的接口对接部署深度学习和数据分析平台，对用户提交的可交换的渲染资源进行甄别、确认、训练和估值，与区块链对接，安全的保护相关的过程数据；

第二步，提供一种基于深度学习的渲染资源快速甄别和确认方法，部署自动生成数据集，授信用户相应提交资源智能快速甄别与确认，通过链下相关应用完成；

第三步，提供一种初始价值估值模型，新资源的价值是实现转换的重要依据，新资源的价值＝初始价值+应用增值，初始估值的计算模型建立在甄别环节和训练环节从深度学习平台中得到相关数据之上，考虑因素：当前检测数据集代表性、新资源差异度和可扩展性；具体公式v＝p1+p2+p3；

所述p1与现有样本数据集的总量有关，p2与甄别环节得到的与新资源相似度最高的前五个的识别率有关，p3与初步训练环节生成的扩展样本的数量有关；

第四步，提供一种应用增值的计算模型，该模型通过对该资源被使用的数据进行分析，给出其市场认可价值，在所链接的区块链上保存该资源产生、原始估值、使用(直接、转换)的完整过程数据，本计算模型就是通过部署的数据分析平台对这些数据进行分析计算获得的；

第五步，提供一种自适应的多元兑换方法，依据预测的用户充值意图和目标档位，为目标用户推荐优惠方式。

2.根据权利要求1所述的基于深度学习的云渲染资源互换方法，其特征在于：所述第二步的具体步骤为：

子步骤A，授信用户可通过云渲染业务平台按指定要求(大小、格式)提交自己原创资源(如贴图材质)，系统通过AI图像识别系统进行甄别，如果识别率0.60，认定所提交资源库里已有，不予接受；

子步骤B，如果识别率0.40，认定所提交资源库里没有，作为新资源接受，进入下一步骤进行识别模型更新；如果0.60≥识别率≥0.40，提请用户调整，并重新提交；若重复3次，识别率还是处于(0.60，0.40)，认定为不能识别，不予接受；

子步骤C，对新资源入库要经过初步训练；

子步骤D，模型升级及测试，通过部署的深度学习平台来完成，需要对训练模式输出的模型进一步处理；

子步骤E，确认及安全入库。

3.根据权利要求2所述的基于深度学习的云渲染资源互换方法，其特征在于：所述子步骤C具体包括：

步骤C-1、准备数据；包含新资源、新资源的扩展样本，与新资源相似度最高的前几个素材的样本等比例构建；新资源的扩展样本通过对新样本的简单几何处理自动生成，其它相对高相似度样本通过提取的相应子集汇总而成；

所述拓展样本为渲染图片经过平移、转换、缩放、挤压处理生成的图片，旋转图片到一定尺度，就会形成一个新的扩展样本；

步骤C-2、实施初步训练，同样通过基于AI的图像识别系统来完成，使运行于训练模式；

步骤C-3、若识别率60，则训练成功，转模型升级迁移，否则调整数据集，继续，直至成功。

4.根据权利要求2所述的基于深度学习的云渲染资源互换方法，其特征在于：所述子步骤D具体包括：

步骤D-1、模型比对；

步骤D-2、调整初始数据集，微调初始模型；

步骤D-3、测试，设置少量的样本规模进行半压测试，提高训练效率，对新模型再训练。

5.根据权利要求2所述的基于深度学习的云渲染资源互换方法，其特征在于：所述子步骤E具体包括：

步骤E-1、命名，相应工作有两部分组成：名称，注释；名称采用构成规则：授信用户名(在系统内是唯一的)+日期(年月日)+申请时间(时分秒)+序号(0-9)；为便于新资源的估值、增值和转换计算，命名是对新资源进行相应注释，注释内容由在甄别环节得到的与新资源相似度最高的前几个素材的名称及其相似度构成；

步骤E-2、安全入库，通过应用接口将包含新素材的数据集、识别模型、命名信息以载到可链接的区块链上，实现相关信息的安全存储。