[发明专利]健康分析开放服务系统及方法

权利要求书

1.一种健康分析开放服务系统，其特征在于，包括：

标注子系统，被配置为基于预设的标注规则，对样本图片进行标注并生成多个数据集，将所述数据集转化为深度学习算法能够理解的数据集；

算法子系统，被配置为提供在线编程环境，并基于转化后的所述数据集和所述在线编程环境，生成一个或多个健康深度学习模型；

健康业务子系统，被配置为利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，并生成健康分析结果。

2.根据权利要求1所述的系统，其特征在于，所述标注子系统还包括：

获取模块，被配置为获取所述样本图片；

标注模块，被配置为基于所述标注规则，根据与健康深度学习模型的算法类型相匹配的标注类型，对所述样本图片进行标注，其中，所述标注包括标注标签和参数，所述标签用于描述所述样本图片中的对象，所述参数用于描述所述对象的属性；

输出模块，被配置为基于标注后的所述样本图片，生成并输出多个所述数据集，其中，多个所述数据集中的每个数据集中的数据包括标注关系和所述样本图片，其中，所谓标注关系是所述标注与所述样本图片的对应关系。

3.根据权利要求1所述的系统，其特征在于，所述标注子系统还被配置为：将标签对应分类问题、矩形框对应目标检测、多边形区域对应实例分割，对所述样本图片进行标注。

4.根据权利要求1所述的系统，其特征在于，所述算法子系统还包括：

编码模块，被配置为提供训练数据集中的部分数据并在所述在线编程环境中提供在线编码组件，以供开发者利用所述在线编码组件和所述部分数据进行在线编码；

训练模块，被配置为利用转化后的所述数据集中的部分数据集作为训练数据集来训练基于所述在线编码而生成的一个或多个所述健康深度学习模型，得到训练集最优的所述健康深度学习模型。

5.根据权利要求4所述的系统，其特征在于，所述算法子系统还包括测试模块，被配置为：

利用转化后的所述数据集中的另一部分数据集作为测试数据集来测试所生成的一个或多个所述健康深度学习模型，得到测试集最优的所述健康深度学习模型。

6.根据权利要求5所述的系统，其特征在于，所述算法子系统还包括：验证模块，被配置为利用验证数据集验证测试集最优的所述健康深度学习模型的泛化能力，并确认测试集最优的所述健康深度学习模型的性能指标。

7.根据权利要求1所述的系统，其特征在于，所述健康业务子系统还包括：

接口调用模块，被配置为接收接口调用请求，其中，所述接口调用请求中携带所述待分析的图片；

推理预测模块，被配置为利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，推理预测出所述健康分析结果。

8.一种健康分析开放服务方法，其特征在于，包括：

基于预设的标注规则，对样本图片进行标注并生成多个数据集，将所述数据集转化为深度学习算法能够理解的数据集；

提供在线编程环境，并基于转化后的所述数据集和所述在线编程环境，生成一个或多个健康深度学习模型；

利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，并生成健康分析结果。

9.根据权利要求8所述的方法，其特征在于，基于预设的标注规则，对样本图片进行标注并生成多个数据集，包括：

获取所述样本图片；

基于所述标注规则，根据与健康深度学习模型的算法类型相匹配的标注类型，对所述样本图片进行标注，其中，所述标注包括标注标签和参数；

基于标注后的所述样本图片，生成并输出多个所述数据集，其中，多个所述数据集中的每个数据集中的数据包括标注关系和所述样本图片。

10.一种计算机可读存储介质，其上存储有程序，其特征在于，在所述程序运行时，使得计算机执行如权利要求8至9中任一项方法。