[发明专利]一种软硬件一体化的人工智能图像识别数据处理方法

权利要求书

1.一种软硬件一体化的人工智能图像识别数据处理方法，其特征在于：该软硬件一体化的人工智能图像识别数据处理方法具体包括：

步骤一：根据知识库的描述，按照图像标注规则，使用图像标注工具，对图像数据进行标注，接着选择常用的数据增强方法，使用图像增强工具，通过CPU硬件和GPU硬件结合，对图像数据进行增强；

步骤二：根据知识库描述，选择最合适的人工神经网络，使用深度学习网络搭建工具，对训练网络进行模型搭建，具体方法包括：通过计算机对图像进行识别，包括对图像中的目标进行分类，以及对图像中的目标进行查找，使用编程语言，搭建人工神经网络模型；

步骤三：根据知识库描述，使用深度学习训练引擎工具，通过已搭建的数据训练模型，通过GPU对已标注的数据进行算法模型训练；

步骤四：根据知识库描述，选择常用的网络优化方法，使用优化工具对算法模型进行优化；

步骤五：根据知识库描述，把已经训练完成的数据模型部署到模拟应用环境中，通过边缘CPU或TPU完成算法模型与应用的集成。

2.根据权利要求1所述的一种软硬件一体化的人工智能图像识别数据处理方法，其特征在于：所述步骤一的具体方法包括：1)在给定的数据集中去掉噪声图片；2)规范图片文件格式；3)给图片分类；4)统一文件命名；5)规范存储介质；6)设计存储路径；7)标注人脸图像；8)标注人体图像；9)标注手势图像；10)标注道路场景；11)标注目标对象；12)旋转图片；13)拉伸图片；14)平移图片；15)变换图片颜色。

3.根据权利要求1所述的一种软硬件一体化的人工智能图像识别数据处理方法，其特征在于：所述步骤三中具体方法包括：1)请使用深度学习框架；2)设置训练模型参数；3)定义丢失参数；4)确定训练样本；5)确定测试样本；6)定义正负样本；7)使用可视化工具；8)将训练结果可视化；9)分析准确率、召回率，验证算法模型。

4.根据权利要求1所述的一种软硬件一体化的人工智能图像识别数据处理方法，其特征在于：所述步骤四的具体方法包括：1)使用梯度下降法；2)使用随机梯度下降法；3)使用小批量随机梯度下降法；4)使用动量优化法；5)使用自适应梯度下降法；所述步骤四中需要做的工作包括：1)分析深度学习性能；2)使用Timeline工具,配置线程优化性能；3)压缩模型。

5.根据权利要求1所述的一种软硬件一体化的人工智能图像识别数据处理方法，其特征在于：所述步骤五中的具体方法包括：将优化后的算法模型部署上线，在模拟的应用场景中调用图像识别服务，验证数据推理结果。