CN116842394A - 算法参数文件生成方法、电子设备及存储介质 - Google Patents
算法参数文件生成方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116842394A CN116842394A CN202311118317.0A CN202311118317A CN116842394A CN 116842394 A CN116842394 A CN 116842394A CN 202311118317 A CN202311118317 A CN 202311118317A CN 116842394 A CN116842394 A CN 116842394A
- Authority
- CN
- China
- Prior art keywords
- parameter
- algorithm
- data
- parameters
- file
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000001939 inductive effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000013461 design Methods 0.000 description 9
- 238000000691 measurement method Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种算法参数文件生成方法、电子设备及存储介质。该算法参数文件生成方法包括:确定多种数据形态分别对应的数据类型;基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型;以及基于各个数据类型对应的参数类型构建算法参数描述文件。利用本申请提供的技术方案,能够满足多种形态的算法参数的构建需求,同时高效生成用于描述算法参数的文件,有利于上层软件的功能实现和参数读取。
Description
技术领域
本申请一般涉及计算机技术领域。更具体地,本申请涉及一种算法参数文件生成方法、电子设备及存储介质。
背景技术
在现有的算法参数的设计和实现方法中,其中一种方法只包含具体参数内容和属性的算法参数文件格式,该算法参数文件依赖某种特定的文件形式,如JSON或XML等。该方法只能对某几种特定类型的参数进行描述,没有包含算法参数中常用的图形信息,如圆、点、线等。同时没有包含一些高阶信息,如组合、容器等。另一种方法则包含了较低层次融合的参数形式,如融合了一些图形形态如圆、点、线等。但此方法也未能包含一些高阶的信息,如组合、容器等。
有鉴于此,亟需提供一种创新的算法参数生成方法,以便能够高效生成用于描述算法参数的文件,同时满足多种形态的算法参数的构建需求,有利于上层软件的功能实现和参数读取。
发明内容
为了至少解决如上所提到的一个或多个技术问题,本申请在多个方面中提出了一种算法参数文件生成方法、电子设备及存储介质。该算法参数文件生成方法能够满足多种形态的算法参数的构建需求,同时高效生成用于描述算法参数的文件,有利于上层软件的功能实现和参数读取。
在第一方面中,本申请提供一种算法参数文件生成方法,包括:确定多种数据形态分别对应的数据类型;基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型;以及基于各个数据类型对应的参数类型构建算法参数描述文件。
在一些实施例中,基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型包括:基于多种数据形态分别对应的数据类型确定各个数据类型分别对应的参数属性;以及基于各个数据类型分别对应的参数属性确定各个数据类型分别对应的参数类型。
在一些实施例中,数据类型包含数值数据类型、图形数据类型和高阶信息数据类型;其中,基于多种数据形态分别对应的数据类型确定各个数据类型分别对应的参数属性包括:基于数值数据类型确定数值数据类型对应的参数属性;基于图形数据类型确定图形数据类型对应的参数属性;以及基于高阶信息数据类型确定高阶信息数据类型对应的参数属性。
在一些实施例中,基于各个数据类型对应的参数类型构建算法参数描述文件包括:基于各个数据类型对应的参数类型生成算法参数模板;以及对算法参数模板进行参数匹配更新,得到算法参数描述文件。
在一些实施例中,基于各个数据类型对应的参数类型生成算法参数模板包括:将各个数据类型对应的参数类型区分为基础参数和高级参数;基于预设应用规则确定多个特征描述对象;以及分别对各个特征描述对象设置基础参数和高级参数,得到算法参数模板。
在一些实施例中,分别对各个特征描述对象设置基础参数和高级参数包括:分别对各个特征描述对象设置对应的高级参数,形成高级参数组合;在高级参数组合中添加高级参数结构体对象;分别对各个特征描述对象设置对应的基础参数,形成基础参数组合;在基础参数组合中添加基础参数结构体对象;以及将当前的特征描述对象对应的基础参数归纳至当前的特征描述对象对应的高级参数中。
在一些实施例中,在基于各个数据类型对应的参数类型构建算法参数描述文件之后,还包括:根据应用更新内容对算法参数模板进行模板参数更新,得到更新参数模板;根据更新参数模板对算法参数描述文件进行更新,得到更新参数描述文件。
在一些实施例中,根据更新参数模板对算法参数描述文件进行更新,得到更新参数描述文件包括:分别对更新参数模板和算法参数描述文件进行参数解析,得到算法参数描述文件的目标更新参数的参数位置路径、参数属性和参数类型;基于参数位置路径、参数属性和参数类型进行属性比对和结构体比对,得到目标更新参数在更新参数模板与算法参数描述文件之间的更新属性信息和更新结构体对象信息;根据更新属性信息和更新结构体对象信息对目标更新参数进行更新;直至算法参数描述文件中的所有参数完成更新,得到更新参数描述文件。
在第二方面中,本申请提供一种电子设备,包括:
处理器;以及存储器,其上存储有用于生成算法参数文件的程序代码,当所述程序代码被所述处理器执行时,使所述电子设备实现如上所述的方法。
在第三方面中,本申请提供一种非暂时性机器可读存储介质,其上存储有用于生成算法参数文件的程序代码,当所述程序代码由处理器执行时,能够实现如上所述的方法。
本申请提供的技术方案可以包括以下有益效果:
本申请提供的算法参数文件生成方法、电子设备及存储介质,通过确定多种数据形态分别对应的数据类型,进而基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型。从而能够通过相同的格式来对不同类型的参数进行描述,有利于设计统一的算法参数加载方式和算法参数配置形式。
进一步地,本申请可以基于各个数据类型对应的参数类型构建算法参数描述文件,从而实现将各类型的参数进行组织整合成为算法参数描述文件,有利于例如缺陷检测领域的软件和形状测量领域的软件等上层软件的功能实现和参数读取。由此,例如缺陷检测领域的上层软件可以更为有效地执行对目标物的缺陷检测,而形状测量领域的上层软件可以实现对目标物形状的精准测量。
总的来说,本申请能够满足多种形态的算法参数的构建需求,同时高效生成用于描述算法参数的文件,便利于上层软件的功能实现和参数读取。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1示出了本申请一些实施例的算法参数文件生成方法的示例性流程图;
图2示出了本申请另一些实施例的算法参数文件生成方法的示例性流程图;
图3示出了本申请再一些实施例的算法参数文件生成方法的示例性流程图;
图4示出了本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。为了说明的简单和清楚,在认为合适的情况下,可以在附图中重复附图标记以指示对应或类似的元件。另外,本申请阐述了许多具体细节以便提供对本文所述实施例的透彻理解。然而,本领域普通技术人员将理解,可以在没有这些具体细节的情况下实践本文描述的实施例。在其他情况下,没有详细描述公知的方法、过程和组件,以免模糊本文描述的实施例。而且,该描述不应被视为限制本文描述的实施例的范围。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,本申请披露的权利要求、说明书及附图中的可能术语“第一”或“第二”等是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本申请。如在本申请说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本申请说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
在现有的算法参数的设计和实现方法中,其中一种方法只包含具体参数内容和属性的算法参数文件格式,该算法参数文件依赖某种特定的文件形式,如JSON或XML等。该方法只能对某几种特定类型的参数进行描述,没有包含算法参数中常用的图形信息,如圆、点、线等。同时没有包含一些高阶信息,如组合、容器等。另一种方法则包含了较低层次融合的参数形式,如融合了一些图形形态如圆、点、线等。但此方法也未能包含一些高阶的信息,如组合、容器等。有鉴于此,亟需提供一种创新的算法参数生成方法,以便能够高效生成用于描述算法参数的文件,同时满足多种形态的算法参数的构建需求,有利于上层软件的功能实现和参数读取。
下面结合附图来详细描述本申请的具体实施方式。
图1示出了本申请一些实施例的算法参数文件生成方法的示例性流程图,请参阅图1,本申请实施例示出的算法参数文件生成方法可以包括:
在步骤S101中,确定多种数据形态分别对应的数据类型。在本申请实施例中,前述的多种数据形态可以包含但不限于数值形态、图形形态和高阶形态等。其中,可以针对于数值形态设计数值数据类型,例如整型(INTEGER)、浮点型、字符型和布尔型等。另外,可以针对于图形形态设计图形数据类型,例如点、线、圆、矩形、多边形、椭圆、圆弧和定位核等。再者,可以针对于高阶形态设计高阶信息数据类型,例如容器类型、组合类型、组合容器(combox_group)类型、图像编号类型和图像通道类型等。
在步骤S102中,基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型。在本申请实施例中,基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型可以视为在多种数据形态分别对应的数据类型中设计不同的参数属性,从而确定得到各个数据类型对应的参数类型。可以理解的是,参数属性可以是多样的,但参数属性不需要在每一个数据类型中同时存在,需要分别根据每一数据类型来对参数属性进行组合使用。特别地,高阶信息数据类型中的各种参数类型有的可以单独使用,有的需要配合其他参数类型和/或参数属性来使用。
在步骤S103中,基于各个数据类型对应的参数类型构建算法参数描述文件。在本申请实施例中,通过对参数类型进行设定之后,可以将各个参数类型进行整合组织,以形成算法参数描述文件。该算法参数描述文件可以用于利用算法参数来对当前应用的应用对象和应用方式进行描述,有利于设计统一的算法参数加载方式和算法参数配置形式,同时有利于上层软件的功能便利实现和参数便利读取。
通过确定多种数据形态分别对应的数据类型,进而基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型。从而能够通过相同的格式来对不同类型的参数进行描述,有利于设计统一的算法参数加载方式和算法参数配置形式。进一步地,本申请可以基于各个数据类型对应的参数类型构建算法参数描述文件,从而实现将各类型的参数进行组织整合成为算法参数描述文件,有利于例如缺陷检测领域的软件和形状测量领域的软件等上层软件的功能实现和参数读取。由此,例如缺陷检测领域的上层软件可以更为有效地执行对目标物的缺陷检测,而形状测量领域的上层软件可以实现对目标物形状的精准测量。总的来说,本申请能够满足多种形态的算法参数的构建需求,同时高效生成用于描述算法参数的文件,便利于上层软件的功能实现和参数读取。
在一些实施例中,可以在多种数据形态分别对应的数据类型中设计不同的参数属性,从而确定得到各个数据类型对应的参数类型,而且可以通过设计算法参数模板并且根据不同的应用场景对算法参数模板进行更新来生成适用于不同应用场景的算法参数描述文件。下文将结合图2来对参数类型的确定过程和利用算法参数模板生成算法参数描述文件的过程进行详细描述。图2示出了本申请另一些实施例的算法参数文件生成方法的示例性流程图,请参阅图2,本申请实施例示出的算法参数文件生成方法可以包括:
在步骤S201中,确定多种数据形态分别对应的数据类型。在本申请实施例中,步骤S201的内容与步骤S101的内容实质相同,此处不再进行赘述。
在步骤S202中,基于多种数据形态分别对应的数据类型确定各个数据类型分别对应的参数属性。在本申请实施例中,数据类型可以包含但不限于数值数据类型、图形数据类型和高阶信息数据类型。具体地,可以基于数值数据类型确定数值数据类型对应的参数属性,示例性地,整型和浮点型中可以设计包含但不限于名称(name)、类型(type)、标题(title)、参数内容(value)、最大值(max_value)、最小值(min_value)、等级(level)、使能(enable)、颜色(color)和描述(note)等参数属性。字符型中可以设计包含但不限于名称、类型、标题、参数内容、等级、使能、颜色和描述等参数属性。
另外,可以基于图形数据类型确定图形数据类型对应的参数属性。示例性地,点、线、圆、矩形、多边形和定位核等图形数据类型中可以设计包含但不限于名称、类型、标题、参数内容、等级、使能、颜色和描述等参数属性,特别地,在图形数据类型中的参数内容可以根据不同的图形数据类型进行不同的解析,例如圆可以解析为圆心和半径;矩形可以解析为左上角坐标、宽度和高度;线可以解析为起始点和结束点;多边形可以解析为点集;定位核可以解析为内部矩形和外部矩形。
再者,可以基于高阶信息数据类型确定高阶信息数据类型对应的参数属性。示例性地,容器(vector)类型中可以设计包含但不限于名称、类型、参数内容、结构体(struct)对象、标题、参数内容、等级、使能、颜色、描述等参数属性,其中,结构体对象定义了容器内部数据单元的具体形态,并且结构体对象可以使用上述任意数据类型进行组合使用。组合(combox)类型中可以设计包含但不限于名称、类型、参数内容、列表(list)、标题、参数内容、等级、使能、颜色、描述等参数属性,其中,列表制定了组合所包含的数据。图像编号类型中可以设计包含但不限于名称、类型(type)、标题、参数内容、等级、使能、颜色和描述等参数属性,特别地,在实际应用过程中,类型(type)可以根据实际图像信息类型来进行替换。图像通道类型中可以设计包含但不限于名称、类型(type)、标题、参数内容、等级、使能、颜色和描述等参数属性,特别地,在实际应用过程中,类型(type)可以根据实际图像特征信息类型来进行替换。
可以理解的是,上述针对于在多种数据形态分别对应的数据类型中设计参数属性的描述仅为示例性的,在实际应用中,需根据实际应用情况在多种数据形态分别对应的数据类型中合理设计参数属性,本申请在此方面不作任何限制。还可以理解而是,上述针对于数值数据类型、图形数据类型和高阶信息数据类型进行参数属性设计的步骤时序可以是先后执行,也可以是同时执行,需根据实际应用情况而定,本申请在此方面亦不作任何限制。
在步骤S203中,基于各个数据类型分别对应的参数属性确定各个数据类型分别对应的参数类型。可以理解的是,数值数据类型在设计相应的参数属性后可以成为数值型参数;图形数据类型在设计相应的参数属性后可以成为图形类参数;高阶信息数据类型在设计相应的参数属性后可以成为高阶类参数。
在步骤S204中,基于各个数据类型对应的参数类型生成算法参数模板。在本申请实施例中,可以首先将各个数据类型对应的参数类型区分为基础参数和高级参数。具体地,可以根据参数类型是否需要进行互动操作来进行区分。前述的互动操作可以例如是在上层软件中需要进行拖、拉、拽等操作。若无需执行互动操作的参数,例如是数值型参数等,则可以将其区分为基础参数;相反,若需执行互动操作的参数,例如是图形类参数和高阶类参数,则可以将其区分为高级参数。
然后,可以基于预设应用规则确定多个特征描述对象。前述的特征描述对象可以用于表示应用的执行对象。示例性地,假设预设应用规则为形状数据测量的应用规则,那么多个特征描述对象则可以设定为测量圆、测量椭圆、测量直线、测量距离、测量角度和定位核测量和测量方法、测量规则等。
可以理解的是,特征描述对象的形式是多样的,其数量可以是一个,也可以是多个,在实际应用中,需根据实际应用情况中的应用规则来确定特征描述对象,本申请在此方面不作任何限制。
接着,可以分别对各个特征描述对象设置基础参数和高级参数,得到算法参数模板。具体地,可以分别对各个特征描述对象设置对应的高级参数,形成高级参数组合。在该高级参数组合中可以动态地添加高级参数结构体对象。其中高级参数结构体对象可以是高级参数组合中某一高级参数的子集合,此子集合可以包含一个或多个基础参数或者一个或多个高级参数。示例性地,例如形状匹配参数这个高级参数中就包含了一个子集合,此子集合的元素示例性地可以是匹配区域、面积、相识度阈值、金字塔层数等。其中,匹配区域是高级参数,面积、相识度阈值、金字塔层数是基础参数。
同时地,还可以分别对各个特征描述对象设置对应的基础参数,形成基础参数组合。在该基础参数组合中可以动态地添加基础参数结构体对象。其中该基础参数结构体对象可以为基础参数组合中某一基础参数的子集合,此子集合可以包含一个或多个基础参数。示例性地,假设检测区域这个基础参数,检测区域可以是区域组合,该区域组合中可以是一个区域或者是多个区域。由假设定位核这个基础参数,定位核可以是定位核组合,该定位核组合中可以是一个定位核或者多个定位核,也可以不包含定位核等参数。
最后,将当前的特征描述对象对应的基础参数归纳至当前的特征描述对象对应的高级参数中,实现将低维度的基础参数,如数值、点、线等进行高维度整合,提出了容器、组合、组合容器等多种形态的高级参数,能够直接对算法参数类型的特征进行描述,更便于上层软件的实现和读取。在本申请实施例中,一个高级参数之下可以包含一个或多个基础参数和/或一个或多个高级参数,包含在高级参数之下的高级参数还可以进一步包含一个或多个基础参数和/或一个或多个高级参数,如此类推,形成包含关系,从而实现对最顶层高级参数的描述。特别地,在对于测量方法、测量规则等方法规则的描述中,通常可以采用一组高级参数的组合进行描述,并根据实际应用场景进行动态添加。示例性地,假设在某缺陷检测场景中,缺陷的检出条件为参数a大于4 ,参数b等于10以及参数c小于5,此时该检测规则对象为启用参数a,b,c,同时a的条件为大于,值为4,b的条件为等于,值为10,c的条件为小于,值为5。由此可见可以采用的高级参数组合至少包含参数a,b,c,同时包含条件大于,等于以及小于等等。通过对上述参数和条件的动态整合来实现对该检测规则的描述。
下面以图像测量的应用场景为例子来整体对算法参数模板的生成过程进行进一步说明。首先可以根据所需测量的目标确定特征描述对象,例如测量圆、测量椭圆、测量直线、测量距离、测量角度和定位核测量等。然后可以分别对每一个特征描述对象设置基础参数,例如测量圆时可以设置类型、名称、中心、半径等基础参数,测量椭圆时可以设置类型、名称、中心、长边、短边等基础参数,测量直线时可以设置类型、名称、起始点、结束点等基础参数,测量距离和测量角度时均可以设置类型、名称、起始图形、结束图形等基础参数,可以按照实际应用情况进行组合。接着分别对各个特征描述对象设置高级参数,例如测量圆的高级参数为圆结构体对象,测量椭圆的高级参数为椭圆结构体对象等等,并且将当前的特征描述对象对应的基础参数归纳至当前的特征描述对象对应的高级参数中。进一步地,在另一方面可以根据所需测量的方法规则确定特征描述对象,例如圆测量方法、椭圆测量方法、直线测量方法、距离测量方法、角度测量方法和定位核测量方法等。然后分别对各个特征描述对象设置基础参数和高级参数,假设圆测量方法设置了4个高级参数A,B,C,D, 其中A包含a1,a2,a3,B包含了b1,b2,C包含c1,D包含了参数d1,d2,d3等。其中A,B,C,D需要设计为动态修改和组合,同时A中的a1,a2,a3,B中b1,b2,C中的c1,D中d1,d2,d3分别可以动态修改和组合。通过上述的步骤,可以形成针对于图像测量这个应用场景的算法参数模板。
可以理解的是,在实际应用中,需要根据实际应用情况来设计合适的算法参数模板,本申请在此方面不作任何限制。
在步骤S205中,对算法参数模板进行参数匹配更新,得到算法参数描述文件。在实际应用场景中使用前述的算法参数模板时,仅需要对在当前应用场景下存在的参数进行针对性修改即可。假设算法模板包含了参数P(p1,p2,p3,p4,p5,A{a1,a2},B{b1,C{c1,c2},p6,p7})组合,那么在第一应用场景中,可以适配于第一应用场景来修改p1这个参数。同理地,在第二应用场景中,可以适配于第二应用场景来修改p5这个参数,第三应用场景中,可以适配于第三应用场景来修改c2和a2等参数。从而能够极大降低针对于不同应用场景下的算法编辑复杂度和重复性,提供算法编辑效率,为上层软件的提供了便利。
在一些实施例中,由于应用场景变化和技术升级的原因,针对于每个应用场景的算法参数描述文件均有可能会进行升级更新,因此需要设计一种能够对每个应用场景的算法参数描述文件进行升级的方法。下文将结合图3来对算法参数描述文件的更新方法进行详细说明。图3示出了本申请再一些实施例的算法参数文件生成方法的示例性流程图,请参阅图3,本申请实施例示出的算法参数文件生成方法可以包括:
在步骤S301中,根据应用更新内容对算法参数模板进行模板参数更新,得到更新参数模板。在本申请实施例中,可以根据应用更新内容对算法参数模板中需要更新修正的参数进行参数更新处理,从而确定更新参数模板。
在步骤S302中,根据更新参数模板对算法参数描述文件进行更新,得到更新参数描述文件。在本申请实施例中,根据更新参数模板对算法参数描述文件进行更新实质上可以视为比对更新参数模板和算法参数描述文件之间的差异,从而可以得到需要新增的参数、需要修改的参数和需要删除的参数。需要说明的是,在更新参数模板和算法参数描述文件比对的过程中,可以根据参数类型的差异而执行不同的比对策略,例如容器类型需要比较的是列表数据,整型需要比较的是参数值等。在比对得出需要调整的参数后即可对算法参数描述文件进行更新。
在本申请实施例中,算法参数描述文件和更新参数描述文件均可为XML文件形态或者JSON文件形态,用于作为算法参数的存储载体。可以理解的是,在实际应用中,算法参数描述文件和更新参数描述文件的文件形态是多样的,需根据实际应用情况确定算法参数描述文件和更新参数描述文件的文件形态,无需依赖特定的文件形态,本申请在此方面不作任何的限制。
在本申请实施例中,具体地,可以首先分别对更新参数模板和算法参数描述文件进行参数解析,得到算法参数描述文件的目标更新参数的参数位置路径、参数属性和参数类型。其中,目标更新参数的参数位置路径可以确定目标更新参数在算法参数描述文件中的具***置,参数属性可以包含了目标更新参数的参数内容和属性值,参数类型则可以确定目标更新参数的具体类型以及所需执行的比对策略。
然后,可以基于参数位置路径、参数属性和参数类型进行属性比对和结构体比对,得到目标更新参数在更新参数模板与算法参数描述文件之间的更新属性信息和更新结构体对象信息。以调整一个目标更新参数S为例子进行说明,通过上述参数解析过程,能够在算法参数描述文件中确定目标更新参数S的层级关系,此处可以将该层级关系设定为一个路径,可以示例性地表述为a/b/c/d/e/f,经过该路径可以在更新参数模板和算法参数描述文件中找到目标更新参数S,并且确定其参数属性和参数类型。进而根据目标更新参数S的参数类型确定比对策略,依据比对策略来将目标更新参数S的参数属性与更新参数模板相应位置的参数的参数属性进行比对。需要说明的是,在定位层级关系时,需要考虑基础参数和组合参数,组合参数无需比对,只需要比对组合参数的结构体对象即可。从而能够确定目标更新参数在更新参数模板与算法参数描述文件之间的更新属性信息和更新结构体对象信息。
接着,可以根据更新属性信息和更新结构体对象信息对目标更新参数进行更新。具体地,可以根据更新属性信息对目标更新参数的参数属性进行添加、修正和删除的更新操作。同理地,可以根据更新结构体对象信息对目标更新参数的结构体对象进行添加、修正和删除的更新操作。
直至算法参数描述文件中的所有参数完成更新,得到更新参数描述文件。通过上述对算法参数描述文件进行更新的设计,可以在出现多个应用场景的情况下,无需担心参数不一致的问题。同时通过此自动化的升级方案可以做到无缝升级,无感升级。比如A应用场景的算法参数描述文件使用了a1,a2,a3,a4,a5参数,B应用场景的算法参数描述文件使用了a1,a2,a3,a4参数,此时由于新需求的变更,需要将A,B现场进行整合到最新的参数且最新的参数为a1,a2,a3,a4,a6,a7。通过上述更新设计,首先对算法参数模板进行模板参数更新,示例性地可以更新为a1,a2,a3,a4,a6,a7这个更新参数模板。进一步地,经过更新参数模板与A应用场景的算法参数描述文件比对就可以自动将A应用场景中的算法描述参数a5参数自动删除,算法描述参数a6、a7参数自动添加。经过更新参数模板与B应用场景的算法参数描述文件比对就可以自动将算法描述参数a6、a7参数自动添加到B应用场景的算法参数描述文件中。从而实现了A应用场景的算法参数描述文件和B应用场景的算法参数描述文件的自动化更新。
与前述应用功能实现方法实施例相对应,本申请还提供了一种用于执行算法参数文件生成方法的电子设备及相应的实施例。
图4示出可以实施本申请实施例的算法参数文件生成方法的电子设备400的硬件配置的框图。如图4所示,电子设备400可以包括处理器410和存储器420。在图4的电子设备400中,仅示出了与本实施例有关的组成元素。因此,对于本领域普通技术人员而言显而易见的是:电子设备400还可以包括与图4中所示的组成元素不同的常见组成元素。比如:定点运算器。
电子设备400可以对应于具有各种处理功能的计算设备,例如,用于生成神经网络、训练或学习神经网络、将浮点型神经网络量化为定点型神经网络、或者重新训练神经网络的功能。例如,电子设备400可以被实现为各种类型的设备,例如个人计算机(PC)、服务器设备、移动设备等。
处理器410控制电子设备400的所有功能。例如,处理器410通过执行电子设备400上的存储器420中存储的程序,来控制电子设备400的所有功能。处理器410可以由电子设备400中提供的中央处理单元(CPU)、图形处理单元(GPU)、应用处理器(AP)、人工智能处理器芯片(IPU)等来实现。然而,本申请不限于此。
在一些实施例中,处理器410可以包括输入/输出(I/O)单元411和计算单元412。I/O单元411可以用于接收各种数据,例如多种数据形态。示例性地,计算单元412可以用于确定经由I/O单元411接收的多种数据形态分别对应的数据类型,进而基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型,进而基于各个数据类型对应的参数类型构建算法参数描述文件。此算法参数描述文件例如可以由I/O单元411输出。输出数据可以提供给存储器420以供其他设备(未示出)读取使用,也可以直接提供给其他设备使用。
存储器420是用于存储电子设备400中处理的各种数据的硬件。例如,存储器420可以存储电子设备400中的处理过的数据和待处理的数据。存储器420可存储处理器410已处理或要处理的算法参数文件生成方法过程中涉及的数据集,例如,多种数据形态等。此外,存储器420 可以存储要由电子设备400驱动的应用、驱动程序等。例如:存储器420可以存储与将由处理器410执行的算法参数文件生成方法有关的各种程序。存储器420可以是DRAM,但是本申请不限于此。存储器420可以包括易失性存储器或非易失性存储器中的至少一种。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、相变RAM(PRAM)、磁性RAM(MRAM)、电阻RAM(RRAM)、铁电RAM(FRAM)等。易失性存储器可包括动态RAM(DRAM)、静态RAM(SRAM)、同步DRAM(SDRAM)、PRAM、MRAM、RRAM、铁电RAM(FeRAM)等。在实施例中,存储器420可以包括硬盘驱动器(HDD)、 固态驱动器(SSD)、高密度闪存(CF)、安全数字(SD)卡、微安全数字(Micro-SD)卡、迷你安全数字(Mini-SD)卡、极限数字(xD)卡、高速缓存(caches)或记忆棒中的至少一项。
综上,本说明书实施方式提供的电子设备400的存储器420和处理器410实现的具体功能,可以与本说明书中的前述实施方式相对照解释,并能够达到前述实施方式的技术效果,这里便不再赘述。
在本实施方式中,处理器410可以按任何适当的方式实现。例如,处理器410可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。
还应当理解,本文示例的执行指令的任何模块、单元、组件、服务器、计算机、终端或设备可以包括或以其他方式访问计算机可读介质,诸如存储介质、计算机存储介质或数据存储设备(可移除的)和/或不可移动的)例如磁盘、光盘或磁带。计算机存储介质可以包括以用于存储信息的任何方法或技术实现的易失性和非易失性,可移动和不可移动介质,例如计算机可读指令、数据结构、程序模块或其他数据。
虽然本文已经示出和描述了本申请的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式来提供。本领域技术人员可以在不偏离本申请思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本申请的过程中,可以采用对本文所描述的本申请实施例的各种替代方案。所附权利要求书旨在限定本申请的保护范围,并因此覆盖这些权利要求范围内的等同或替代方案。
Claims (10)
1.一种算法参数文件生成方法,其特征在于,包括:
确定多种数据形态分别对应的数据类型;
基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型;以及
基于各个数据类型对应的参数类型构建算法参数描述文件。
2. 根据权利要求1所述的算法参数文件生成方法,其特征在于,所述基于多种数据形态分别对应的数据类型确定各个数据类型对应的参数类型包括:
基于多种数据形态分别对应的数据类型确定各个数据类型分别对应的参数属性;以及
基于各个数据类型分别对应的参数属性确定各个数据类型分别对应的参数类型。
3.根据权利要求2所述的算法参数文件生成方法,其特征在于,所述数据类型包含数值数据类型、图形数据类型和高阶信息数据类型;其中,基于多种数据形态分别对应的数据类型确定各个数据类型分别对应的参数属性包括:
基于所述数值数据类型确定所述数值数据类型对应的参数属性;
基于所述图形数据类型确定所述图形数据类型对应的参数属性;以及
基于所述高阶信息数据类型确定所述高阶信息数据类型对应的参数属性。
4. 根据权利要求2所述的算法参数文件生成方法,其特征在于,所述基于各个数据类型对应的参数类型构建算法参数描述文件包括:
基于各个数据类型对应的参数类型生成算法参数模板;以及
对所述算法参数模板进行参数匹配更新,得到所述算法参数描述文件。
5.根据权利要求4所述的算法参数文件生成方法,其特征在于,所述基于各个数据类型对应的参数类型生成算法参数模板包括:
将各个数据类型对应的参数类型区分为基础参数和高级参数;
基于预设应用规则确定多个特征描述对象;以及
分别对各个特征描述对象设置所述基础参数和所述高级参数,得到所述算法参数模板。
6.根据权利要求5所述的算法参数文件生成方法,其特征在于,所述分别对各个特征描述对象设置所述基础参数和所述高级参数包括:
分别对各个特征描述对象设置对应的高级参数,形成高级参数组合;
在所述高级参数组合中添加高级参数结构体对象;
分别对各个特征描述对象设置对应的基础参数,形成基础参数组合;
在所述基础参数组合中添加基础参数结构体对象;以及
将当前的特征描述对象对应的基础参数归纳至当前的特征描述对象对应的高级参数中。
7.根据权利要求6所述的算法参数文件生成方法,其特征在于,在所述基于各个数据类型对应的参数类型构建算法参数描述文件之后,还包括:
根据应用更新内容对所述算法参数模板进行模板参数更新,得到更新参数模板;
根据更新参数模板对所述算法参数描述文件进行更新,得到更新参数描述文件。
8.根据权利要求7所述的算法参数文件生成方法,其特征在于,所述根据更新参数模板对所述算法参数描述文件进行更新,得到更新参数描述文件包括:
分别对所述更新参数模板和所述算法参数描述文件进行参数解析,得到所述算法参数描述文件的目标更新参数的参数位置路径、参数属性和参数类型;
基于所述参数位置路径、所述参数属性和所述参数类型进行属性比对和结构体比对,得到所述目标更新参数在所述更新参数模板与所述算法参数描述文件之间的更新属性信息和更新结构体对象信息;
根据所述更新属性信息和所述更新结构体对象信息对所述目标更新参数进行更新;
直至所述算法参数描述文件中的所有参数完成更新,得到所述更新参数描述文件。
9. 一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有用于生成算法参数文件的程序代码,当所述程序代码被所述处理器执行时,使所述电子设备实现如权利要求1-8中任一项所述的方法。
10.一种非暂时性机器可读存储介质,其上存储有用于生成算法参数文件的程序代码,当所述程序代码由处理器执行时,使得实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118317.0A CN116842394A (zh) | 2023-09-01 | 2023-09-01 | 算法参数文件生成方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118317.0A CN116842394A (zh) | 2023-09-01 | 2023-09-01 | 算法参数文件生成方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116842394A true CN116842394A (zh) | 2023-10-03 |
Family
ID=88160264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311118317.0A Pending CN116842394A (zh) | 2023-09-01 | 2023-09-01 | 算法参数文件生成方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116842394A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566839A (zh) * | 2009-06-01 | 2009-10-28 | 杭州电子科技大学 | 一种梯形图内嵌组态算法的实现方法 |
CN111143479A (zh) * | 2019-12-10 | 2020-05-12 | 浙江工业大学 | 基于dbscan聚类算法的知识图谱关系抽取与rest服务可视化融合方法 |
CN113364784A (zh) * | 2021-06-09 | 2021-09-07 | 深信服科技股份有限公司 | 检测参数生成方法、装置、电子设备及存储介质 |
CN113743082A (zh) * | 2021-09-16 | 2021-12-03 | 京东科技信息技术有限公司 | 一种数据处理方法、***、存储介质及电子设备 |
-
2023
- 2023-09-01 CN CN202311118317.0A patent/CN116842394A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566839A (zh) * | 2009-06-01 | 2009-10-28 | 杭州电子科技大学 | 一种梯形图内嵌组态算法的实现方法 |
CN111143479A (zh) * | 2019-12-10 | 2020-05-12 | 浙江工业大学 | 基于dbscan聚类算法的知识图谱关系抽取与rest服务可视化融合方法 |
CN113364784A (zh) * | 2021-06-09 | 2021-09-07 | 深信服科技股份有限公司 | 检测参数生成方法、装置、电子设备及存储介质 |
CN113743082A (zh) * | 2021-09-16 | 2021-12-03 | 京东科技信息技术有限公司 | 一种数据处理方法、***、存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
严玲玲: "面向CFETR等离子体控制***的算法集成开发平台研究与设计", 《硕士电子期刊》, pages 1 - 105 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10474781B2 (en) | Virtual hierarchical layer usage | |
CN110990516B (zh) | 地图数据的处理方法、装置和服务器 | |
US11461409B2 (en) | Digitization of technical documentation driven by machine learning | |
US9881418B2 (en) | Identifying features in polygonal meshes | |
TW202011264A (zh) | 資訊的檢測方法、裝置及設備 | |
JP2005018591A (ja) | 位相判断装置、分解可能形状生成装置、構造メッシュ生成装置、位相判断方法、分解可能形状生成方法、および該位相判断方法を実行させるためのコンピュータ実行可能なプログラム、分解可能形状生成方法を実行させるためのコンピュータ実行可能なプログラム並びに構造メッシュ生成システム | |
US10732942B2 (en) | Automatically categorizing and validating user-interface-design components using a design-component-neural network | |
CN110795400B (zh) | 一种文件的管理方法、装置、设备及介质 | |
US20170116769A1 (en) | Content Aware Image Editing | |
US20210407111A1 (en) | Systems and methods for automatic alignment of drawings | |
EP4174713A1 (en) | Method and system for three-dimensional modeling | |
CN116210010A (zh) | 用于评估工程***的一致性的方法和*** | |
CN113538623B (zh) | 确定目标图像的方法、装置、电子设备及存储介质 | |
CN114972791A (zh) | 图像分类模型训练方法、图像分类方法及相关装置 | |
CN116842394A (zh) | 算法参数文件生成方法、电子设备及存储介质 | |
CN115809325B (zh) | 文档处理模型训练方法、文档处理方法、装置及设备 | |
CN116701171A (zh) | 用于自动化测试的方法、装置、设备及存储介质 | |
US20240177467A1 (en) | Image processing method and apparatus | |
KR102315386B1 (ko) | 오브젝트 검출 시스템 및 그 동작 방법 | |
CN109189537A (zh) | 页面信息的动态显示方法、计算设备及计算机存储介质 | |
US11887356B2 (en) | System, method and apparatus for training a machine learning model | |
US20170109924A1 (en) | Object retopologizer hole refiller and method of retopologizing hole refilling | |
CN115145391B (zh) | 一种基于ai深度学习的虚拟现实跑步机自适应方法及*** | |
CN117291137B (zh) | 用于生成版图元素的方法、设备和介质 | |
KR102585838B1 (ko) | 신경망 모델 경량화 방법 및 이를 수행하는 전자 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |