[发明专利]一种基于边缘计算的神经网络模型训练方法

权利要求书

1.一种基于边缘计算的神经网络模型训练方法，其特征在于，包括：

边缘端利用基于非学习层的深度学习模型对收集到的视频监控数据在视频分析模型上进行训练，得到模型参数，并将模型参数下发到终端设备上；

终端设备基于边缘端分发的模型参数，利用非学习层的深度学习模型终端构建出视频推理模型，利用视频推理模型对采集的视频监控数据进行实时分析，将视频监控数据和分析结果上传给边缘端。

2.根据权利要求1所述的方法，其特征在于，所述的方法还包括：云端对各个边缘端的视频分析模型进行集成，将视频分析模型参数下发到各边缘端上。

3.根据权利要求1或者2所述的方法，其特征在于，所述的基于非学习层的深度学习模型需要学习的参数量受到特征融合部分的全连接层影响，在特征提取阶段将卷积中需要通过训练学习到的卷积核替换为固定或随机生成的二值卷积核，在特征融合阶段使用可学习的全连接网络结构，在训练过程中对神经网络模型所提取的视频监控数据特征进行加权计算。

4.根据权利要求3所述的方法，其特征在于，所述的基于非学习层的深度学习模型在随机生成卷积核时使用seed对随机过程进行控制，在对模型参数进行传输时，在全连接层参数的基础上增加seed的值，在终端设备上通过seed复现出边缘端模型中相同的模型结构，对监控视频进行推理分析；

所述基于非学习层的深度学习模型结构通过seed生成非学习层的卷积核，通过非学习层对目标数据中的特征进行提取，并通过激活函数将特征变换到合理的数值区间内，通过全连接层对学习到的特征进行融合，形成基于非学习层的深度学习模型的分析结果。