[发明专利]识别图像的方法和设备

权利要求书

1.一种识别图像的方法，所述方法包括：

获得待识别的图像数据作为神经网络的输入数据；

基于待识别的图像数据执行与神经网络的每个层有关的操作，以获得图像识别的结果；和

输出图像识别的结果，

其中，针对神经网络的目标层中的每个：

提取目标层的元数据；

通过将目标层的元数据与每个参考层的参考元数据进行比较，测量目标层与每个参考层之间的相似度；

基于相似度在参考层之中选择对应层；和

基于与对应层匹配的参考并行化策略，生成目标层的并行化策略，并且使用目标层的输入数据基于并行化策略执行与目标层有关的操作的并行处理。

2.根据权利要求1所述的方法，其中，选择对应层的步骤包括：

响应于参考层之中存在具有与目标层的元数据相同的参考元数据的第一参考层，选择第一参考层作为对应层；和

响应于参考层之中不存在所述第一参考层，从参考层之中选择具有与目标层的元数据最相似的参考元数据的第二参考层作为对应层。

3.根据权利要求2所述的方法，其中，响应于第二参考层被选择为对应层，将与目标层的元数据对应的参考层信息添加到参考数据库，在参考数据库中存储有每个参考层的参考元数据。

4.根据权利要求3所述的方法，其中，

参考层信息包括链接信息，并且

响应于第二参考层被选择为对应层，将第二参考层的标识信息记录为参考层信息中的链接信息。

5.根据权利要求3所述的方法，还包括：

响应于与目标层的元数据对应的参考层信息被添加到参考数据库，生成与目标层的元数据对应的新的并行化策略。

6.根据权利要求5所述的方法，其中，独立于目标层的并行化策略的执行来执行新的并行化策略的生成。

7.根据权利要求5所述的方法，其中，响应于新的参考层信息的量超过阈值，执行新的并行化策略的生成，新的参考层信息包括与目标层的元数据对应的参考层信息并且被添加到参考数据库。

8.根据权利要求5所述的方法，其中，

使用基于神经网络的相似度测量模型来测量相似度，并且

响应于新的并行化策略被生成，基于新的并行化策略来重新训练相似度测量模型。

9.根据权利要求5所述的方法，其中，响应于新的并行化策略被生成，将参考层信息的链接信息改变为空状态。

10.根据权利要求1所述的方法，其中，目标层是从神经网络的多个层选择的一个或多个层。

11.根据权利要求1所述的方法，其中，神经网络的第一层的输入数据为待识别的图像数据，神经网络的第一层之外的层的输入数据为前一层的输出数据。

12.一种识别图像的设备，所述设备包括：

处理器；和

存储器，包括能够由处理器执行的指令，

其中，响应于所述指令被处理器执行，处理器被配置为：

获得待识别的图像数据作为神经网络的输入数据；

基于待识别的图像数据执行与神经网络的每个层有关的操作，以获得图像识别的结果；和

输出图像识别的结果，

其中，针对神经网络的目标层中的每个：

提取目标层的元数据；

通过将目标层的元数据与每个参考层的参考元数据进行比较，测量目标层与每个参考层之间的相似度；

基于相似度在参考层之中选择对应层；和

基于与对应层匹配的参考并行化策略，生成目标层的并行化策略，并且使用目标层的输入数据基于并行化策略执行与目标层有关的操作的并行处理。