(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111646771.4 (22)申请日 2021.12.2 9 (71)申请人 中国航空工业 集团公司西安 航空计 算技术研究所 地址 710065 陕西省西安市高新区锦业 二 路15号 (72)发明人 刘伟华　白林亭　车凯　文鹏程　 李亚辉　 (74)专利代理 机构 北京清大紫荆知识产权代理 有限公司 1 1718 专利代理师 秦亚群 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/46(2022.01) G06V 10/25(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于机载/云平台的机载设备任务的智能部 署方法及装置 (57)摘要 本发明提供了一种基于机载/ 云平台的机载 设备任务的智能部署方法及其装置， 方法包括： 对机载平台的采集图像中极少量张采集图像中 的任务目标标注， 将采集图像输送至云平台； 提 取已标注采集图像的任务目标特征； 基于任务目 标特征， 采用特征匹配方式对未标注采集图像中 任务目标智能标注； 对智能标注的采集图像进行 人工清洗获得训练图像； 将训练图像输入深度神 经网络模型中进行迭代优化， 输出机载平台支持 格式的文件完成机载设备对任务目标的部署。 装 置包括通信连接的机载平台、 云平台。 本发明设 计的方法及装置采用机载平台与云平台结合实 现机载设备任务的快速智能化部署， 可以满足性 能、 效果、 便捷性 等方面的需求。 权利要求书2页 说明书6页 附图2页 CN 114445723 A 2022.05.06 CN 114445723 A 1.一种基于机载/云平台的机载设备任务的智能部署方法， 其特征在于： 包括以下步 骤： S1、 基于机载平台获取的M张采集 图像， 对N张采集 图像中的任务目标进行标注， 并将M 张采集图像输送至云平台， 其中M＞5≥N≥1； S2、 提取已标注采集图像的任务目标 特征； S3、 基于任务目标特征， 采用特征匹配方式对未标注采集图像中任务目标进行智能标 注； S4、 对S3中智能标注的采集图像进行 人工清洗， 获得P张训练图像， 其中， M＞P＞5； S5、 将P张训练图像输入深度神经网络模型中进行迭代优化， 输出机载平台支持的格 式 文件， 完成机载设备对 任务目标的部署。 2.根据权利要求1所述的机载设备任务的智能部署方法， 其特征在于： 步骤S1中， N张采 集图像中的任务目标 是通过人工方式标注的， 且每一张采集图像标注一个任务目标。 3.根据权利要求1所述的机载设备任务的智能部署方法， 其特征在于： 步骤S4中， 对S3 中智能标注的采集图像进行人工清洗的方法为： 对智能标注的采集图像进行人工质检， 并 去除标注不 准确的采集图像。 4.根据权利要求1所述的机载设备任务的智能部署方法， 其特征在于： 在将P张训练图 像输入深度神经网络模型中进 行训练前， 还包括对P张训练图像进 行增强处理过程， 经增强 处理后获得Q张输入深度神经网络模型的新训练图像。 5.根据权利要求4所述的机载设备任务的智能部署方法， 其特征在于： 新训练图像由对 训练图像分别进行图像翻转、 或ROI区域随机裁剪、 或图像缩放、 或尺度变换、 或时频域噪 声、 或对比度变换、 或颜色扰动、 或ROI区域随机擦除中任意一种或多种增强方式处理后获 得。 6.根据权利要求1所述的机载设备任务的智能部署方法， 其特征在于： 步骤S5中， 深度 神经网络模型包括Pytroch框架模 型、 TensorFlow框架模型、 Caffe框架模 型， 且训练图像输 入深度神经网络模型中进行迭代优化包括模型 轻量化处理过程、 模型转 化过程； 其中， 模型转化过程包括将Pytroch框架模型输出的.pth或.pth格式文件转化为ONNX 格式文件后作为硬件支持文件格式的输入。 7.根据权利要求6所述的机载设备任务的智能部署方法， 其特征在于： 模型转化过程还 包括将TensorFlow框架输出的.pb格式文件， 和/或Caffe框架输出的.Caffemodel或 .Caffetxt格式文件转 化为ONNX格式文件后作为硬件支持文件格式的输入。 8.一种基于机载/云平台的机载设备任务的智能部署装置， 其特征在于： 包括位于机载 设备的机载平台、 位于处 理中心的云平台， 机载平台与云平台通信连接； 所述机载平台用于获取采集图像， 人工标注1～5张采集图像中的任务目标； 所述云平台包括数据标注模块、 清洗模块、 深度神经网络模块， 所述数据 标注模块用于 接收所述机载平台输出 的采集图像、 提取已标注采集图像中任务 目标特征、 对未标注采集 图像进行智能标注； 所述清洗模块用于对所述数据标注模块输出的标注后的采集图像进 行 人工清洗， 并向所述深度神经网络模块输出训练图像； 所述深度神经网络模块用于对训练 图像进行迭代优化并输出 所述机载平台支持的格式文件。 9.根据权利要求8所述的机载设备任务的智能部署装置， 其特征在于： 所述清洗模块的权　利　要　求　书 1/2 页 2 CN 114445723 A 2输出端还连接有增强模块， 所述增强模块用于对所述训练图像进 行增强处理后获得新训练 图像， 增强处理方式包括对所述训练图像分别进行图像翻转、 或ROI区域随机裁剪、 或图像 缩放、 或尺度变换、 或时频域噪声、 或对比度变换、 或颜色扰动、 或ROI区域随机擦除中任意 一种或多种增强方式。 10.根据权利要求8所述的机载设备任务的智能部署装置， 其特征在于： 所述深度神经 网络模块包括轻量化功能模块、 Pytroch框架模型、 TensorFlow框架、 Caffe框架、 模型转换 模块、 深度学习编译模块， 所述轻量化功能模块用于对训练图像进 行轻量化及训练处理， 所 述模型转换模块用于Pytr och框架模型输出的.pth或.pth格式文件转化为ONNX格式文件后 作为硬件支持文件格式的输入。权　利　要　求　书 2/2 页 3 CN 114445723 A 3