[发明专利]基于端、边及云协同的机器学习方法、系统及介质

权利要求书

1.一种基于端、边及云协同架构的机器学习方法，具体包括：

提取输入图像的多个通用特征；所述通用特征包括所述输入图像的通用特征图和/或通用特征向量；

传输所述多个通用特征；

接收所述多个通用特征，并自适应选择机器学习任务对应的至少一个通用特征；

根据所述至少一个通用特征训练对应的机器学习任务，得到训练后的机器学习模型；所述训练后的机器学习模型根据输入图像得到所述机器学习任务的预测结果。

2.根据权利要求1所述的机器学习方法，其特征在于，在端架构处完成所述提取输入图像的多个通用特征的步骤；在边架构处完成所述传输所述多个通用特征的步骤；在云架构处完成所述接收所述多个通用特征，自适应选择机器学习任务对应的至少一个通用特征的步骤，以及所述所述至少一个通用特征训练对应的机器学习任务，得到训练后的机器学习模型的步骤。

3.根据权利要求1所述的机器学习方法，其特征在于，所述提取输入图像的通用特征，具体包括：

通过多层级的多个特征提取网络提取所述输入图像的图像特征，分别提取出多张通用特征图或通用特征向量。

4.根据权利要求1所述的机器学习方法，其特征在于，所述提取输入图像的多个通用特征之前，还包括对所述输入图像进行图像预处理；所述图像预处理包括图像平移、图像切割、图像大小放缩和/或图像色彩空间转换。

5.根据权利要求1所述的机器学习方法，其特征在于，所述自适应选择机器学习任务对应的至少一个通用特征，具体包括：

通过自适应算法自适应地从传入的多个通用特征中选择至少一个通用特征，所述至少一个通用特征用于训练对应的机器学习任务。

6.根据权利要求1-5任一项所述的机器学习方法，其特征在于，所述机器学习任务包括行人属性识别任务、交通工具属性识别任务、行人识别任务和/或交通工具识别任务。

7.一种基于端、边及云协同架构的机器学习系统，其特征在于，具体包括：

通用特征生成模块，用于提取输入图像的多个通用特征；所述通用特征包括所述输入图像的通用特征图和/或通用特征向量；

通用特征传输模块，用于传输所述多个通用特征；

自适应通用特征选择模块，用于接收所述多个通用特征，自适应选择机器学习任务对应的至少一个通用特征；

重训练模块，用于根据所述至少一个通用特征训练对应的机器学习任务，得到训练后的机器学习模型；所述训练后的机器学习模型根据输入图像得到所述机器学习任务的预测结果。

8.根据权利要求7所述的机器学习系统，其特征在于，所述通用特征生成模块设置于端架构；所述通用特征传输模块设置于边架构；所述自适应通用特征选择模块以及重训练模块设置于云架构。

9.一种基于端、边及云协同架构的机器学习设备，其特征在于，包括：

存储器：用于存储可执行指令；以及

处理器:用于与所述存储器连接以执行所述可执行指令从而完成权利要求1-6任一项所述的基于端、边及云协同架构的机器学习方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；计算机程序被处理器执行以实现如权利要求1-6任一项所述的基于端、边及云协同架构的机器学习方法。