System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能信息处理及信息安全,特别涉及一种图像和视频的脱敏模型的部署方法、装置、设备及介质。
技术介绍
1、随着网络通信技术的不断进步,车辆的网络化程度也在不断提高,人们借助各种网络通信技术实现了对车辆的更多控制,例如远程对车辆的监控,远程泊车等功能,智能网联汽车的这些功能为人们生活带来了新的便利和体验,但汽车也会采集更多的信息,其中可能涉及到车外人脸、车牌等敏感数据,为保障个人隐私,国家制定了相关标准对车辆采集数据进行规范,对汽车采集的车外视频或图片中包含可识别的人脸和车牌在出车时需要进行数据脱敏处理,以保障个人隐私信息。
2、相关技术在模型量化转定点时易出现精度损失,进而导致模型部署效果不佳的问题,亟待解决。
技术实现思路
1、本申请提供一种图像和视频的脱敏模型的部署方法、装置、设备及介质,以解决现有技术预训练较好的模型在模型量化,转定点时出现精度损失,导致模型部署效果不佳的问题,提升脱敏算法准确度。
2、为达到上述目的,本申请第一方面实施例提出一种图像和视频的脱敏模型的部署方法,包括以下步骤:
3、获取脱敏校验数据和脱敏训练数据;
4、将所述脱敏校验数据输入至脱敏预训练模型进行模型校验,得到脱敏校验模型;
5、判断所述脱敏校验模型的精度是否满足第一预设标准;
6、若所述脱敏校验模型的精度满足所述第一预设标准,则将所述脱敏模型转换为脱敏定点模型,并基于所述脱敏定点模型进行模型部署,否则基于所述脱敏训练数
7、根据本申请的一个实施例,在基于所述脱敏定点模型进行模型部署之前,还包括:
8、判断所述脱敏定点模型的精度是否满足第二预设标准;
9、若所述脱敏定点模型的精度满足所述第二预设标准,则基于所述脱敏定点模型进行模型部署,否则重新执行所述基于所述脱敏训练数据对所述脱敏校验模型进行量化感知训练,直到所述脱敏校验模型的精度满足所述第一预设标准步骤。
10、根据本申请的一个实施例,在将所述脱敏校验数据输入至所述脱敏预训练模型进行模型校验之前,还包括:
11、获取图像待脱敏数据和视频待脱敏数据;
12、对所述图像待脱敏数据和所述视频待脱敏数据进行预处理,并将预处理后的图像待脱敏数据和视频待脱敏数据划分为训练集和验证集;
13、基于预设的yolofp算法和预设的脱敏算法,利用所述训练集对预设的神经网络进行训练得到初始神经网络模型,并利用所述验证集验证所述初始神经网络模型,直到所述初始神经网络模型满足预设条件,结束对所述预设的神经网络的迭代训练得到所述脱敏预训练模型,否则调整所述预设的神经网络的训练集后继续迭代训练。
14、根据本申请的一个实施例,所述基于所述脱敏训练数据对所述脱敏校验模型进行量化感知训练,包括:
15、利用所述脱敏训练数据以预设精度进行训练,得到脱敏基础模型;
16、向所述脱敏基础模型中插入伪量化节点,得到量化感知模型;
17、利用所述脱敏训练数据对所述量化感知模型进行优化重训练,并计算得到优化重训练过程中的量化参数;
18、利用所述量化参数对所述量化感知模型进行量化操作,得到预设的量化模型。
19、根据本申请的一个实施例,所述基于所述脱敏定点模型进行模型部署,包括:
20、检查所述脱敏定点模型的结构和参数的准确性;
21、基于预设的编译工具将检查完的脱敏定点模型转换为可运行的脱敏定点模型;
22、对所述可运行的脱敏定点模型进行性能评估,并根据评估结果调节所述可运行的模型参数和/或优化模型结构;
23、基于预设的可视化工具,对评估后的可运行的脱敏定点模型进行可视化测试,并基于可视化结果进行相应的修复和优化。
24、根据本申请实施例提出的图像和视频的脱敏模型的部署方法,通过将脱敏校验数据输入至脱敏预训练模型进行模型校验,可以得到脱敏校验模型,在脱敏校验模型的精度满足第一预设标准时,将脱敏模型转换为脱敏定点模型,并基于脱敏定点模型进行模型部署,否则基于脱敏训练数据对脱敏校验模型进行量化感知训练,直到脱敏校验模型的精度满足第一预设标准。由此,通过在模型训练过程中使用量化感知训练技术,可以进一步减少量化后模型的精度损失,同时快速高效地将模型部署到其他设备,解决了现有技术预训练较好的模型在模型量化,转定点时出现精度损失,导致模型部署效果不佳的问题,提升脱敏算法准确度。
25、为达到上述目的,本申请第二方面实施例提出一种图像和视频的脱敏模型的部署装置,包括:
26、获取模块,用于获取脱敏校验数据和脱敏训练数据;
27、校验模块,用于将所述脱敏校验数据输入至脱敏预训练模型进行模型校验,得到脱敏校验模型;
28、判断模块,用于判断所述脱敏校验模型的精度是否满足第一预设标准;
29、处理模块,用于在所述脱敏校验模型的精度满足所述第一预设标准时,将所述脱敏模型转换为脱敏定点模型,并基于所述脱敏定点模型进行模型部署,否则基于所述脱敏训练数据对所述脱敏校验模型进行量化感知训练,直到所述脱敏校验模型的精度满足所述第一预设标准。
30、根据本申请的一个实施例,在基于所述脱敏定点模型进行模型部署之前,所述处理模块,还用于:
31、判断所述脱敏定点模型的精度是否满足第二预设标准;
32、若所述脱敏定点模型的精度满足所述第二预设标准,则基于所述脱敏定点模型进行模型部署,否则重新执行所述基于所述脱敏训练数据对所述脱敏校验模型进行量化感知训练,直到所述脱敏校验模型的精度满足所述第一预设标准步骤。
33、根据本申请的一个实施例,在将所述脱敏校验数据输入至所述脱敏预训练模型进行模型校验之前,所述校验模块,还用于:
34、获取图像待脱敏数据和视频待脱敏数据;
35、对所述图像待脱敏数据和所述视频待脱敏数据进行预处理,并将预处理后的图像待脱敏数据和视频待脱敏数据划分为训练集和验证集;
36、基于预设的yolofp算法和预设的脱敏算法,利用所述训练集对预设的神经网络进行训练得到初始神经网络模型,并利用所述验证集验证所述初始神经网络模型,直到所述初始神经网络模型满足预设条件,结束对所述预设的神经网络的迭代训练得到所述脱敏预训练模型,否则调整所述预设的神经网络的训练集后继续迭代训练。
37、根据本申请的一个实施例,所述处理模块,具体用于:
38、利用所述脱敏训练数据以预设精度进行训练,得到脱敏基础模型;
39、向所述脱敏基础模型中插入伪量化节点,得到量化感知模型;
40、利用所述脱敏训练数据对所述量化感知模型进行优化重训练,并计算得到优化重训练过程中的量化参数;
41、利用所述量化参本文档来自技高网...
【技术保护点】
1.一种图像和视频的脱敏模型的部署方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,在基于所述脱敏定点模型进行模型部署之前,还包括:
3.根据权利要求1所述的方法,其特征在于,在将所述脱敏校验数据输入至所述脱敏预训练模型进行模型校验之前,还包括:
4.根据权利要求1所述的方法,其特征在于,所述基于所述脱敏训练数据对所述脱敏校验模型进行量化感知训练,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述脱敏定点模型进行模型部署,包括:
6.一种图像和视频的脱敏模型的部署装置,其特征在于,包括:
7.根据权利要求6所述的装置,其特征在于,在基于所述脱敏定点模型进行模型部署之前,所述处理模块,还用于:
8.根据权利要求6所述的装置,其特征在于,在将所述脱敏校验数据输入至所述脱敏预训练模型进行模型校验之前,所述校验模块,还用于:
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-5任一项所述的图像和视频的脱敏模型的部署方法。
...【技术特征摘要】
1.一种图像和视频的脱敏模型的部署方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,在基于所述脱敏定点模型进行模型部署之前,还包括:
3.根据权利要求1所述的方法,其特征在于,在将所述脱敏校验数据输入至所述脱敏预训练模型进行模型校验之前,还包括:
4.根据权利要求1所述的方法,其特征在于,所述基于所述脱敏训练数据对所述脱敏校验模型进行量化感知训练,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述脱敏定点模型进行模型部署,包括:
6.一种图像和视频的脱敏模型的部署装置,其特征在于,包括:
7.根据权...
【专利技术属性】
技术研发人员:刘小东,蔡志文,
申请(专利权)人:大卓智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。