[发明专利]一种物联网深度学习网络的部署方法

权利要求书

1.一种物联网深度学习网络的部署方法，对云计算平台和多个终端进行深度学习网络的部署，其特征在于：包括以下步骤：

在云平台上部署Net-T网络、Net-S网络，在终端部署Net-S`网络；所述Net-T网络为深度学习网络，所述Net-S网络、Net-S`网络为浅层学习网络；

使用各终端Net-S`网络获取的历史图像数据对云平台的Net-T网络、Net-S网络进行训练，使Net-T网络和Net-S网络达到准确度后，将Net-S网络的参数分别灌入各终端的Net-S`网络中；

各终端的Net-S`网络对新的图像数据进行识别，若识别置信度低于置信度阈值，则将该图像数据返回至云平台的Net-T网络中进行再次识别；

所述使用各终端Net-S`网络获取的历史图像数据对云平台的Net-T网络、Net-S网络进行训练，使Net-T网络和Net-S网络达到准确度后，将Net-S网络的参数分别灌入各终端的Net-S`网络中的步骤，包括：

各终端的Net-S`网络获取历史图像数据，将获取的历史图像数据通过通信模块发送至云平台的训练样本库中；

使用训练样本库中的历史图像数据对云平台的Net-T网络进行识别训练，同时对Net-S网络进行迭代和优化；

当Net-T网络的识别训练达到第一准确度时，使用训练样本库中的历史图像数据对云平台的Net-S网络进行识别训练，直到Net-S网络的识别训练达到第二准确度；

将云平台上识别结果达到第二准确度的Net-S网络参数通过通信模块灌入到各终端的Net-S`网络中，使得各终端Net-S`网络参数与云平台的Net-S网络的参数一致；

所述使用训练样本库中的历史图像数据对云平台的Net-T网络进行识别训练，同时对Net-S网络进行迭代和优化的步骤，包括：

将训练样本库中的历史图像数据输入Net-T网络后得到图像分类概率，根据计算的概率结果进行softmax，得到一个软标签；

将Net-T网络得到的所述软标签和训练样本库中的历史图像数据输入Net-S网络，得到softmax的输出和软标签之间的交叉熵作为损失函数的第一部分L_soft；

再将自然标签得到的硬标签和训练样本库中的图像输入Net-S网络，得到softmax的输出和硬标签之间的交叉熵作为损失函数的第二部分L_hard；所述自然标签得到的硬标签是指对历史图像数据输入训练样本库前做的自然标签；

根据L_soft、L_hard得到云平台的Net-S网络的损失函数：

其中，α+β=1，α=0，β=0；α和β代表终端的Net-S`网络学习云平台的Net-S网络的程度；

从而对云平台的各Net-S网络进行优化。

2.根据权利要求1所述的一种物联网深度学习网络的部署方法，其特征在于：在终端部署的Net-S`网络与云平台上部署的Net-S网络结构一致。

3.根据权利要求1所述的一种物联网深度学习网络的部署方法，其特征在于：所述各终端的Net-S`网络对新的图像数据进行识别，若识别置信度低于置信度阈值，则将该图像数据返回至云平台的Net-T网络中进行再次识别的步骤，包括：

各终端具有参数的Net-S`网络接入新的图像数据，Net-S`网络对新的图像数据进行识别，得到识别置信度；

若识别置信度高于预设的阈值置信度，则Net-S`网络将对该图像数据的识别结果上传至云平台的服务器中；

若识别置信度低于预设的阈值置信度，则Net-S`网络将该图像数据返回云平台的待识别库中，云平台的Net-T网络对所述待识别库中的图像数据进行再次识别，并将识别结果上传至云平台的服务器中。