[实用新型]一种基于网络视频结构化服务器的神经网络模型优化系统有效

专利信息
申请号: 202020245903.7 申请日: 2020-03-03
公开(公告)号: CN212515838U 公开(公告)日: 2021-02-09
发明(设计)人: 全晓鹏;梁涛;王世先;张锐;秦建峰;杨克义;侯米娜;白晓波;雷亚宁;李康丽 申请(专利权)人: 河南中光学集团有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/32;G06N3/04;G06N3/08
代理公司: 北京名华博信知识产权代理有限公司 11453 代理人: 王帆
地址: 473000 *** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 网络 视频 结构 服务器 神经网络 模型 优化 系统
【说明书】:

实用新型提供一种基于网络视频结构化服务器的神经网络模型优化系统,是通过一网络视频结构化服务器来实现的,该网络视频结构化服务器包括系统主控单元、视频处理单元、数据存储单元、数据处理单元及神经网络模型单元,所述系统主控单元通过多个通讯传输单元分别与视频处理单元、数据存储单元、数据处理单元及神经网络模型单元连接,实现对各功能单元的管理控制。与现有技术相比,本实用新型通过在网络视频结构化服务器中建立神经网络模型训练及管理功能模块,使神经网络模型具有较强的自主训练学习和自主更新迭代的自适应能力,提高神经网络模型在各种特定复杂场景下的检测与识别的准确率,提升神经网络模型应用的泛化性和适应性。

技术领域

本实用新型涉及网络视频结构化服务器和人工智能神经网络技术领域,具体涉及一种基于网络视频结构化服务器的神经网络模型优化系统。

背景技术

在网络视频结构化服务器中,进行视频图像智能化处理主要使用的是神经网络算法,该算法主要优势在于进行目标检测与识别具有很高的准确率,能快速自动提取目标相关特征等,但缺点是训练好的神经网络模型在不同的环境场景中识别率差异很大,在普遍场景下训练得到的神经网络模型无法很好地应对特定复杂场景的检测识别环境中,具体表现为在特定复杂场景下该神经网络模型的误检率和漏检率会直线上升。如果神经网络具有较强的自主训练学习和自主更新迭代的自适应能力,就能够提高神经网络模型对各种特定复杂场景的适应性,对于提高网络视频结构服务器目标识别准确率及其应用具有重要意义。

实用新型内容

为解决上述缺陷,本实用新型的目的是提供一种基于网络视频结构化服务器的神经网络模型优化系统,通过在网络视频结构化服务器中建立神经网络模型训练及管理功能模块,使神经网络模型具有较强的自主训练学习和自主更新迭代的自适应能力,提高神经网络模型在各种特定复杂场景下的检测与识别的准确率,提升神经网络模型应用的泛化性和适应性。

为实现上述目的,本实用新型采用的技术方案是:一种基于网络视频结构化服务器的神经网络模型优化系统,是通过一网络视频结构化服务器来实现的,该网络视频结构化服务器包括系统主控单元、视频处理单元、数据存储单元、数据处理单元及神经网络模型单元,所述系统主控单元通过多个通讯传输单元分别与视频处理单元、数据存储单元、数据处理单元及神经网络模型单元连接,实现对各功能单元的管理控制;所述数据处理单元具有视频采集解码模块,通过通讯传输单元与前端采集设备连接;所述视频处理单元具有图像预处理模块;所述神经网络模型单元具有训练模块、管理模块及模型库,通过通讯传输单元将数据在原有模型库中进行迭代。

上述基于网络视频结构化服务器的神经网络模型优化系统,工作流程通过以下步骤来体现:

数据收集:网络视频结构化服务器通过数据处理单元从前端采集设备中获取视频,经过视频采集解码模块对获取的视频进行转解码之后,将一帧帧图像转送给视频处理单元的图像预处理模块;

图像预处理:通过图像预处理模块对图像进行预处理,剔除无目标或不感兴趣的图像,将处理过的图像由通讯传输单元传送给AI数据处理中心;

标注图片:通过AI数据处理中心中的AI数据标注模块对传送过来的图像进行识别标注,将标注好的图像和标注信息传送给数据存储单元进行保存;

神经网络模型训练:当数据存储单元存储的标记图像数据达到一定数量时,就由训练模块对神经网络模型进行训练,训练完成后由管理模块比对相关参数进行该神经网络模型的性能测试;

神经网络模型迭代:当训练得到新的神经网络模型的性能优于之前的神经网络模型的性能时训练结束,新的神经网络模型进入神经网络模型库迭代替换之前的神经网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南中光学集团有限公司,未经河南中光学集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202020245903.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top