信息处理装置、信息处理系统、信息处理方法和记录介质制造方法及图纸

作为根据本发明专利技术的信息处理装置的一个示例的边缘装置(20)包括发送单元，该发送单元将与用于处理从生成神经网络的服务器装置(10)供应的神经网络的能力相关的信息发送至服务器装置(10)。处理能力信息包括神经网络容量信息、用于擅长的卷积神经网络的滤波器尺寸信息、硬件架构类型信息、芯片信息以及装置型号信息中的至少一种类型的信息。信息中的至少一种类型的信息。信息中的至少一种类型的信息。

【技术实现步骤摘要】
【国外来华专利技术】信息处理装置、信息处理系统、信息处理方法和记录介质


[0001]本公开涉及信息处理装置、信息处理系统、信息处理方法和记录介质。

技术介绍

[0002]在深度学习中，开发了以下方式的技术。即，如在一次即成技术中，一旦大规模神经网络被学习，就可以从中提取多个学习的小型神经网络。这种技术可即时生成适合于具有不同能力的边缘人工智能(AI)装置的学习的神经网络。
[0003]注意，在开发一次即成技术之前，人类需要为每一个边缘AI装置设计神经网络，并且使每一个神经网络从开始就学习。另一方面，在一次即成技术中，人类不需要设计神经网络，并且不需要使神经网络从开始就学习的时间。
[0004]引用列表
[0005]专利文献
[0006]专利文献1：日本公开第2020
‑
123830号
[0007]专利文献2：日本公开第2018
‑
73024号

技术实现思路

[0008]技术问题
[0009]在上述一次即成技术中，尽管可以即时生成学习的神经网络，但不清楚要将多大规模的神经网络发送至边缘AI装置以最大程度地提取边缘AI装置的能力。由此，向边缘AI装置发送规模不足的神经网络，难以充分发挥边缘AI装置等的装置性能。
[0010]因此，本公开提出了能够充分发挥装置性能的信息处理装置、信息处理系统、信息处理方法以及记录介质。
[0011]问题的解决方案
[0012]根据本公开的实施方式的信息处理装置包括：发送部，将与用于处理从服务器装置供应的神经网络的处理能力相关的信息发送至生成神经网络的服务器装置。
[0013]根据本公开的实施方式的信息处理装置包括：接收部，接收与用于处理神经网络的边缘装置的处理能力相关的信息；生成部，基于所接收的与处理能力相关的信息生成适合于边缘装置的神经网络；以及发送部，将所生成的神经网络发送至边缘装置。
[0014]根据本公开的实施方式的信息处理系统包括：边缘装置，发送与用于处理神经网络的处理能力相关的信息；以及服务器装置，接收与处理能力相关的信息，基于所接收的与处理能力相关的信息生成适合于边缘装置的神经网络，并将所生成的神经网络发送至边缘装置。
[0015]根据本公开的实施方式的信息处理方法包括：发送与用于处理神经网络的处理能力相关的信息，发送由边缘装置执行；以及接收与处理能力相关的信息，基于所接收的与处理能力相关的信息生成适合于边缘装置的神经网络，以及将所生成的神经网络发送至边缘装置，接收、生成和发送由服务器装置执行。
[0016]根据本公开的实施方式的计算机可读记录介质记录用于使计算机执行以下的程序：将与用于处理神经网络的处理能力相关的信息发送至生成神经网络的服务器装置。
[0017]根据本公开的实施方式的计算机可读记录介质记录用于使计算机执行以下的程序：接收与处理神经网络的边缘装置的处理能力相关的信息；基于所接收的与处理能力相关的信息生成适合于边缘装置的神经网络；以及将所生成的神经网络发送至所述边缘装置。
附图说明
[0018]图1是示出根据第一实施方式的信息处理系统的示意性配置的示例的示图。
[0019]图2是示出根据第一实施方式的服务器装置的示意性配置的示例的示图。
[0020]图3是示出根据第一实施方式的边缘装置的示意性配置的示例的示图。
[0021]图4是用于描述根据第一实施方式的NICE标准的“SetSceneMode”的示图。
[0022]图5是用于描述根据第一实施方式的NICE标准的“SetSceneData”的示图。
[0023]图6是示出根据第一实施方式的处理流程的示例的流程图。
[0024]图7是示出根据第一实施方式的服务器装置的处理流程的示例的流程图。
[0025]图8是示出根据第一实施方式的边缘装置的处理流程的示例的流程图。
[0026]图9是示出根据第二实施方式的处理流程的示例的流程图。
[0027]图10是示出根据第二实施方式的处理流程的变形例的流程图。
[0028]图11是示出根据第三实施方式的处理流程的示例的流程图。
[0029]图12是示出根据第四实施方式的处理流程的示例的流程图。
[0030]图13是示出根据第五实施方式的处理流程的示例的流程图。
[0031]图14是示出车辆控制系统的示意性配置的示例的框图。
[0032]图15是辅助说明车外信息检测部和成像部的安装位置的示例的示图。
具体实施方式
[0033]在下文中，将基于附图详细地描述本公开的实施方式。应注意，根据本公开的装置、系统、方法、记录介质等不受这些实施方式的限制。另外，在以下的各个实施方式中，对基本相同的部分标注相同的附图标记，省略重复的说明。
[0034]可以独立执行以下描述的一个或多个实施方式(包括示例和变形例)中的每一个。另一方面，以下描述的多个实施方式中的至少一部分可适当地与其他实施方式中的至少一部分组合。该多个实施方式可以包括彼此不同的新颖特征。由此，多个实施方式可有助于解决彼此不同的目标或问题，并且可表现出彼此不同的效果。
[0035]本公开将按照下列项的顺序进行描述。
[0036]1.第一实施方式
[0037]1‑
1.信息处理系统的示意性配置的示例
[0038]1‑
2.服务器装置的示意性配置的示例
[0039]1‑
3.边缘装置的示意性配置的示例
[0040]1‑
4.装置之间的通信标准的示例
[0041]1‑
5.处理流程的示例
[0042]1‑
6.服务器装置的处理流程的示例
[0043]1‑
7.边缘装置的处理流程的示例
[0044]1‑
8.作用/效果
[0045]2.第二实施方式
[0046]2‑
1.处理流程的示例
[0047]2‑
2.处理流程的变形例
[0048]2‑
3.作用/效果
[0049]3.第三实施方式
[0050]3‑
1.处理流程的示例
[0051]3‑
2.作用/效果
[0052]4.第四实施方式
[0053]4‑
1.处理流程的示例
[0054]4‑
2.作用/效果
[0055]5.第五实施方式
[0056]5‑
1.处理流程的示例
[0057]5‑
2.作用/效果
[0058]6.其他实施方式
[0059]7.应用例
[0060]8.附录
[0061]<1.第一实施方式>
[0062]<1
‑
1.信息处理系统的示意性配置的示例>
[0063]将参考图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种信息处理装置，包括：发送部，将与用于处理从服务器装置供应的神经网络的处理能力相关的信息发送至生成所述神经网络的所述服务器装置。2.根据权利要求1所述的信息处理装置，其中，与所述处理能力相关的所述信息包括所述神经网络的容量信息、擅长的卷积神经网络的滤波器尺寸信息、硬件架构类型信息、芯片信息以及装置型号信息中的至少一种。3.根据权利要求1所述的信息处理装置，其中，与所述处理能力相关的所述信息包括全部的所述神经网络的容量信息、擅长的卷积神经网络的滤波器尺寸信息、硬件架构类型信息、芯片信息以及装置型号信息。4.根据权利要求1所述的信息处理装置，其中，所述发送部由智能相机生态系统的网络NICE标准中的GetCapability发送与所述处理能力相关的所述信息。5.根据权利要求1所述的信息处理装置，还包括：接收部，接收由所述服务器装置基于与所述处理能力相关的所述信息生成的所述神经网络，处理部，处理所接收的神经网络，以及测量部，测量所述神经网络的处理时间，其中，所述发送部将所述处理时间发送至所述服务器装置。6.根据权利要求5所述的信息处理装置，其中，所述接收部接收由所述服务器装置再次生成的所述神经网络。7.根据权利要求5所述的信息处理装置，其中，所述接收部接收由所述服务器装置通过额外学习生成的所述神经网络。8.一种信息处理装置，包括：接收部，接收与用于处理神经网络的边缘装置的处理能力相关的信息；生成部，基于所接收的与所述处理能力相关的信息生成适合于所述边缘装置的所述神经网络；以及发送部，将所生成的神经网络发送至所述边缘装置。9.根据权利要求8所述的信息处理装置，其中，与所述处理能力相关的所述信息包括所述神经网络的容量信息、擅长的卷积神经网络的滤波器尺寸信息、硬件架构类型信息、芯片信息以及装置型号信息中的至少一种。10.根据权利要求8所述的信息处理装置，其中，与所述处理能力相关的所述信息包括全部的所述神经网络的容量信息、擅长的卷积神经网络的滤波器尺寸信息、硬件架构类型信息、芯片信息以及装置型号信息。11.根据权利要求8所述的信息处理装置，...

【专利技术属性】
技术研发人员：石川博隆，米泽航太，
申请(专利权)人：索尼半导体解决方案公司，
类型：发明
国别省市：