[发明专利]一种深度学习算法可视化方法以及图片可视化方法

权利要求书

1.一种深度算法可视化方法，其特征在于，包括：

提供包含单个或多个可视化器和可视化后端的可视化模块，其中所述可视化器用于可视化，所述可视化后端用于存储可视化内容，且每个可视化器均与单个或多个可视化后端通信；

确定调用的可视化器和可视化后端，并配置可视化器的参数和可视化后端的参数；

根据配置参数初始化可视化器和可视化后端；

存储并可视化深度学习算法的配置文件；

由相应的可视化器可视化训练数据，确定训练数据中的图片和标签是否正确，并存储在可视化后端；

由相应的可视化器可视化深度学习模型结构图，并存储在由相应的可视化后端；以及

确定当前状态是深度学习模型的训练阶段还是训练后，若是训练阶段，则进行模型参数训练和损失计算，然后由相应的可视化器可视化损失、学习率、训练中的特征图，并存储在相应的可视化后端，若是训练后，则由相应的可视化器可视化深度学习模型的预测推理结果以及深度学习模型的性能指标，并存储在相应的可视化后端。

2.根据权利要求1所述的深度算法可视化方法，其特征在于，根据任务确定单个或多个所述可视化器，其中所述可视化器包含绘制接口、后端接口和OpenMMLab数据格式可视化接口。

3.根据权利要求2所述的深度学习算法化视化方法，其特征在于，所述可视化器通过所述后端接口与单个或多个所述可视化后端通信，从而调用单个或多个所述可视化后端，将可视化的内容存储到所述可视化后端。

4.根据权利要求2所述的深度学习算法视化方法，其特征在于，所述OpenMMLab数据格式可视化接口用于对OpenMMLab格式的数据样本进行绘制和存储。

5.根据权利要求2所述的深度学习算法视化方法，其特征在于，所述绘制接口被配置为绘制检测框、掩码、文本、点、线以及特征图。

6.根据权利要求2所述的深度学习算法视化方法，其特征在于，所述可视化深度学习模型的预测推理结果包括利用可视化器的绘制接口来绘制检测框、掩码、文本、点和线中的一项或多项。

7.根据权利要求2所述的深度学习算法视化方法，其特征在于，当所述深度学习模型的预测推理结果的数据格式为OpenMMLab数据格式时，由所述OpenMMLab数据格式可视化接口来绘制检测框、绘制掩码、绘制文本、绘制点和绘制线中的一项或多项，绘制结果由相应的可视化器显示或者存储在所述OpenMMLab数据格式可视化接口。

8.一种图片可视化方法，其特征在于，包括：

提供包含单个或多个可视化器和可视化后端的可视化模块，其中所述可视化器用于可视化，所述可视化后端用于存储可视化内容，且每个可视化器均与单个或多个可视化后端通信；

确定调用的多个可视化器和可视化后端，并配置可视化器的参数和可视化后端的参数；

根据配置参数初始化可视化器和可视化后端；

准备待可视化的原始图片和相关的图片数据；

调用可视化器提供的绘制接口对待绘制的原始图片进行绘制；以及

通过可视化器将绘制后的结果存储到相应可视化后端。

9.根据权利要求8所述的图片可视化方法，其特征在于，所述可视化器包含绘制接口、后端接口和OpenMMLab数据格式可视化接口；

所述可视化器通过所述后端接口与单个或多个所述可视化后端通信，从而调用单个或多个所述可视化后端，将需要可视化的内容发送到所述可视化后端中存储；

所述OpenMMLab数据格式可视化接口用于对OpenMMLab格式的数据样本进行绘制和存储。

10.根据权利要求9所述的图片可视化方法，其特征在于，利用所述可视化器的绘制接口来绘制检测框、掩码、文本、点、线和特征图中的一项或多项。