[发明专利]一种基于深度学习的图像描述方法及系统、介质和电子设备

说明书

本发明提供了一种基于深度学习的图像描述方法及系统、介质和电子设备。所述方法包括根据图像描述学习主机的输入数据，发出自动运行命令，并根据自动运行命令存储到待训练数据和等待数据；根据CPU处理状态判断是否发出自动输出命令和自动输出命令的发出时间；判断是否收到自动输出命令，生成训练时序数据组；根据训练时序数据组进行自动的模型运算，生成目标修正模型；实时计算实时目标描述矩阵，并提取目标点位值，根据横坐标和纵坐标进行展示；在存储空间中开辟数据区，存储目标点位值及其对应的横纵坐标。该方案基于深度学习算法，并通过结合图像输入状态、CPU运行状态和自适应训练，提供了一种进行图像描述方法，提升图像描述可靠性。

技术领域

本发明涉及图像分析技术领域，更具体地，涉及一种基于深度学习的图像描述方法及系统、介质和电子设备。

背景技术

随着新技术的不断发展和应用，越来越多的人开始使用深度学习算法在各个领域中。其中，由于图像处理和图像描述方面，有着数据量大，存货量大，特征无法人工提取的特点，也逐渐开始使用基于深度学习的算法。

在本发明技术之前，基于深度学习的算法在图像描述中已有应用，但是算法的运算的可靠性较差，而且容易产生运算错乱和运算结果有效性低的问题，原因主要是传统的基于深度学习的算法在图像描述方法中，过分注重算法的运行而忽略了如何根据设备的配合进行自适应的算法控制，导致图像描述可控性低，图像描述的可靠性差，无法保证针对各类输入均能够产生准确的评估。

发明内容

鉴于上述问题，本发明提出了一种基于深度学习的图像描述方法及系统、介质和电子设备，通过结合图像输入状态、CPU运行状态和自适应训练，基于深度学习算法，提供了一种进行图像描述方法，提升图像描述可靠性。

根据本发明实施例第一方面，提供一种基于深度学习的图像描述方法。

在一个或多个实施例中，优选地，所述一种基于深度学习的图像描述方法包括：

设置图像描述学习主机的参数，根据所述图像描述学习主机的输入数据，发出自动运行命令，并根据所述自动运行命令存储到待训练数据和等待数据；

获取当前CPU处理状态，并根据所述CPU处理状态判断是否发出自动输出命令和所述自动输出命令的发出时间；

判断是否收到所述自动输出命令，生成训练时序数据组；

根据所述训练时序数据组进行自动的模型运算，生成修正目标描述矩阵和目标修正模型；

获得所述目标修正模型实时计算实时目标描述矩阵，并提取目标点位值，根据横坐标和纵坐标进行展示；

获取所述目标点位值，在存储空间中开辟数据区，存储所述目标点位值及其对应的所述横坐标和所述纵坐标。

其中，根据所述图像描述学习主机的输入数据，发出所述自动运行命令，具体包括：

获得当前所述图像描述学习主机的实时学习输入数据；

对所述实时学习输入数据进行数据类型分析，根据对应数据类型进行划分，并计算所述数据类型对应的数据类型长度；

根据所述数据类型长度提取1秒内全部的所述实时学习输入数据的总长度，单位为KB；

根据所述实时学习输入数据的总长度，利用第一计算公式计算实时波动均值；

根据所述实时波动均值利用第二计算公式计算实时波动最小值；

根据所述实时波动均值利用第三计算公式计算实时波动最大值；

利用第四计算公式计算实时学习输入裕度；

根据第五计算公式自动判断所述实时学习输入数据的总长度是否满足所述实时学习输入裕度，若满足则发出所述自动运行命令；