[发明专利]一种区块链金融的目标图像辨识传输方法及系统

权利要求书

1.一种区块链金融的目标图像辨识传输方法，其特征在于，包括：

第一：将获取的图像标记目标区域；

第二：根据调试的初始训练模型利用IQA数据集进行训练，以及使用目标范例对训练模型实施校正以确定目标可辨识性评价模型；

第三：利用数据训练方式构造覆盖目标归类模型；通过大规模目标数据集模型获得目标特质，以及通过支持向量机归类器训练所获得的目标特质对无覆盖和有覆盖目标实施归类；

第四：把选定的无覆盖目标和有覆盖目标对应加载至无覆盖目标和有覆盖目标辨识器进行辨识；

第五：获取数据后，于本地首先利用自身获取的数据实施运算，并将输出数据上传至服务器端，控制服务器端接受规定数目的客户端的输出数据，依据客户端上传的输出结果的判定系数，来评价客户端，计算出对应的功效占比，并根据评价分值来设置客户端的选用几率，进而确定出目标客户端；

第六：根据确定的目标客户端上传的输出数据进行平均求和，得到非公开信息的安全数据，并传输至目标客户端。

2.根据权利要求1所述的一种区块链金融的目标图像辨识传输方法，其特征在于，所述目标可辨识性评价模型主要关于涉及目标可辨识性的亮度、对比度和清晰度偏差。

3.根据权利要求1所述的一种区块链金融的目标图像辨识传输方法，其特征在于，所述IQA数据集进行训练P输入神经网络获取估算的评价值v’，其中，

v’＝f_x(P，x),

其中x是神经网络的初始变量；欧几里得平均度量作为代价函数来调整估算的图像评价值与实值之间的偏差，代价函数为

其中，v是图像P的评价值实值；用小量目标范例图像对评价模型进行校正以确定目标可辨识性评价模型。

4.根据权利要求1所述的一种区块链金融的目标图像辨识传输方法，其特征在于，所述步骤五中，若为连续值情况，则运算所有客户端上传的运算输出数据的功效占比的评价分值函数为其中，M是统计模型，C是学习标准集，u是评分的客户端；o_i是M(u)的运算结果，M(u)是统计模型对客户端u拥有数据的统计结果，n是客户端拥有统计样本的数目，i是每次统计的数据样本的目录，t_i为是测试数据中的真值；若为离散值情况，则运算所有客户端上传数据的功效占比的评价分值函数为归类准确率，归类准确的数据样本数量占样本总数量的比率。

5.根据权利要求1所述的一种区块链金融的目标图像辨识传输方法，其特征在于，所述步骤五中，根据运算获取的客户端的评价分值来设定客户端的选用几率，以使得选用几率与评价分值满足线性关系，并根据选用几率来确定目标客户端，包括：在U个客户端中不重复选取S个客户端，满足客户端u被选取的几率与成正比，其中，Δv为评价分值函数v的敏感性，∈为非公开损耗预分配，S为≤U的自然数。

6.一种区块链金融的目标图像辨识传输系统，其特征在于：

标记模块，将采集获取的图像标记出目标区域；

训练模块，根据调试的初始训练模型利用IQA数据集进行训练，以及使用目标范例对训练模型实施校正以确定目标可辨识性评价模型；

归类模块，利用数据训练方式构造覆盖目标归类模型；

通过大规模目标数据集模型获得目标特质，并通过支持向量机归类器训练所获得的目标特质对无覆盖和有覆盖目标实施归类；

辨识模块，把选定的无覆盖目标和有覆盖目标对应加载至无覆盖目标和有覆盖目标辨识器进行辨识；

重置传输模块，以获取原始变量，并把原始变量发送至所有客户端，从而使客户端根据原始变量以及内置公式对获取的信息进行运算，并获取运算输出数据。