本發(fā)明涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其是涉及深度學(xué)習(xí)方法和系統(tǒng)。

背景技術(shù)：

傳統(tǒng)的模式識別方法手工選取特征費時費力，需要啟發(fā)式專業(yè)知識，很大程度上靠經(jīng)驗和運氣，而淺層學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)具有一定的局限性，比較容易過擬合，參數(shù)比較難調(diào)整，并且訓(xùn)練速度慢，在層次上比較少(小于等于3)的情況下效果并不顯著。

如何滿足目前人們?nèi)找嫠璧淖詣幼R別、檢測、定位、感知、理解等功能，并針對圖像、視頻、語音及其他數(shù)據(jù)進(jìn)行處理成為亟待解決的問題。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供深度學(xué)習(xí)方法和系統(tǒng)，實現(xiàn)了自動識別、檢測、定位、感知、理解等功能，可針對圖像、視頻、語音及其他數(shù)據(jù)進(jìn)行處理，具有很強的通用性。

第一方面，本發(fā)明實施例提供了深度學(xué)習(xí)方法，包括：

采集原始信號；

將所述原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)；

將所述原始信號和所述權(quán)值參數(shù)進(jìn)行編碼處理，得到特征向量；

根據(jù)所述特征向量得到判定結(jié)果。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第一種可能的實施方式，其中，所述將所述原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)包括：

對所述原始信號進(jìn)行歸一化預(yù)處理得到統(tǒng)一格式的訓(xùn)練樣本；

將所述統(tǒng)一格式的訓(xùn)練樣本存儲在樣本數(shù)據(jù)庫中，并構(gòu)成訓(xùn)練樣本集合；

判斷對所述原始信號的采樣是否結(jié)束；

如果未結(jié)束，則繼續(xù)采集所述原始信號；

如果結(jié)束，則根據(jù)所述訓(xùn)練樣本集合計算所述權(quán)值參數(shù)。

結(jié)合第一方面的第一種可能的實施方式，本發(fā)明實施例提供了第一方面的第二種可能的實施方式，其中，所述根據(jù)所述訓(xùn)練樣本集合計算所述權(quán)值參數(shù)包括：

從所述樣本數(shù)據(jù)庫中讀取所述訓(xùn)練樣本集合；

對所述訓(xùn)練樣本集合進(jìn)行前向傳播計算和網(wǎng)絡(luò)誤差損失計算得到各層殘差、各層權(quán)值參數(shù)和分類精度；

通過最小化所述殘差調(diào)整所述權(quán)值參數(shù)，并判斷所述分類精度是否達(dá)到預(yù)設(shè)閾值；

如果未達(dá)到所述預(yù)設(shè)閾值，則根據(jù)調(diào)整后的權(quán)值參數(shù)進(jìn)行迭代計算，直到所述分類精度達(dá)到所述預(yù)設(shè)閾值。

結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第三種可能的實施方式，其中，所述將所述原始信號和所述權(quán)值參數(shù)進(jìn)行編碼處理，得到特征向量包括：

生成初始化信息；

將所述權(quán)值參數(shù)、所述原始信號和所述初始化信息進(jìn)行編碼轉(zhuǎn)換；

對所述編碼轉(zhuǎn)換后的權(quán)值參數(shù)進(jìn)行存儲，并根據(jù)所述編碼轉(zhuǎn)換后的初始化信息分配計算資源；

將所述編碼轉(zhuǎn)換后的權(quán)值參數(shù)和所述編碼轉(zhuǎn)換后的原始信號進(jìn)行卷積計算、池化計算和全連接計算得到所述特征向量。

結(jié)合第一方面的第三種可能的實施方式，本發(fā)明實施例提供了第一方面的第四種可能的實施方式，其中，所述根據(jù)所述特征向量得到判定結(jié)果包括：

通過將所述特征向量輸入分類器中進(jìn)行分類得到所述判定結(jié)果；

或者；

通過將所述特征向量與指定的對比向量進(jìn)行比較得到相似度。

第二方面，本發(fā)明實施例提供了深度學(xué)習(xí)系統(tǒng)，包括：采集單元、邏輯控制單元、訓(xùn)練單元和識別單元；

所述采集單元，與所述邏輯控制單元相連接，用于采集原始信號，并將所述原始信號發(fā)送給所述邏輯控制單元；

所述邏輯控制單元，與所述訓(xùn)練單元相連接，用于將所述原始信號發(fā)送給所述訓(xùn)練單元，以使所述訓(xùn)練單元對所述原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)，接收所述訓(xùn)練單元發(fā)送的權(quán)值參數(shù)，并將所述權(quán)值參數(shù)、所述原始信號和初始化信息發(fā)送給所述識別單元；

所述識別單元，與所述邏輯控制單元相連接，用于根據(jù)所述權(quán)值參數(shù)和所述原始信號進(jìn)行識別計算得到判定結(jié)果，將所述判定結(jié)果發(fā)送給所述邏輯控制單元。

結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第一種可能的實施方式，其中，所述訓(xùn)練單元包括服務(wù)器和并行計算模塊；

所述服務(wù)器，用于接收原始信號，并根據(jù)所述原始信號進(jìn)行云端訓(xùn)練得到所述權(quán)值參數(shù)，將所述權(quán)值參數(shù)發(fā)送給所述邏輯控制單元；

所述并行計算模塊，用于對所述云端訓(xùn)練的過程進(jìn)行并行加速。

結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第二種可能的實施方式，其中，所述識別單元包括接口模塊、權(quán)值存儲模塊、特征提取模塊和判定模塊；

所述接口模塊，與所述判定模塊相連接，用于接收所述權(quán)值參數(shù)、所述原始信號和初始化信息，將所述初始化信息和所述原始信號發(fā)送給所述特征提取模塊，以及將所述權(quán)值參數(shù)發(fā)送給所述權(quán)值存儲模塊；

所述權(quán)值存儲模塊，與所述特征提取模塊相連接，用于存儲所述權(quán)值參數(shù)，并將所述權(quán)值參數(shù)發(fā)送給所述特征提取模塊；

所述特征提取模塊，與所述判定模塊相連接，用于根據(jù)初始化信息分配計算資源，并根據(jù)所述權(quán)值參數(shù)、所述原始信號的得到特征向量，將所述特征向量發(fā)送給所述判定模塊；

所述判定模塊，與所述接口模塊相連接，用于根據(jù)所述特征向量得到判定結(jié)果，并將所述判定結(jié)果發(fā)送給所述接口模塊，以使所述接口模塊將所述判定結(jié)果發(fā)送給所述邏輯控制單元。

結(jié)合第二方面的第二種可能的實施方式，本發(fā)明實施例提供了第二方面的第三種可能的實施方式，其中，所述接口模塊還用于對所述權(quán)值參數(shù)、所述原始信號和所述初始化信息進(jìn)行編碼格式轉(zhuǎn)化，以及對所述判定結(jié)果進(jìn)行通用格式轉(zhuǎn)化。

結(jié)合第二方面的第一種可能的實施方式，本發(fā)明實施例提供了第二方面的，所述邏輯控制單元為計算機。

本發(fā)明提供了深度學(xué)習(xí)方法和系統(tǒng)，包括：采集原始信號；將原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)；將原始信號和權(quán)值參數(shù)進(jìn)行編碼處理，得到特征向量；根據(jù)特征向量得到判定結(jié)果。本發(fā)明實現(xiàn)了自動識別、檢測、定位、感知、理解等功能，可針對圖像、視頻、語音及其他數(shù)據(jù)進(jìn)行處理，具有很強的通用性。

本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細(xì)說明如下。

附圖說明

為了更清楚地說明本發(fā)明具體實施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對具體實施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施方式，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的深度學(xué)習(xí)方法流程圖；

圖2為本發(fā)明實施例提供的深度學(xué)習(xí)方法步驟S102的流程圖；

圖3為本發(fā)明實施例提供的深度學(xué)習(xí)系統(tǒng)結(jié)構(gòu)示意圖；

圖4為本發(fā)明實施例提供的識別單元結(jié)構(gòu)示意圖。

圖標(biāo)：

10-采集單元；20-邏輯控制單元；30-訓(xùn)練單元；40-識別單元；41-權(quán)值存儲模塊；42-特征提取模塊；43-判定模塊；44-接口模塊。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實施例提供的深度學(xué)習(xí)方法和系統(tǒng)，實現(xiàn)了自動識別、檢測、定位、感知、理解等功能，可針對圖像、視頻、語音及其他數(shù)據(jù)進(jìn)行處理，具有很強的通用性。

為便于對本發(fā)明的實施例進(jìn)行理解，首先對本發(fā)明實施例所公開的深度學(xué)習(xí)方法進(jìn)行詳細(xì)介紹。

圖1為本發(fā)明實施例提供的深度學(xué)習(xí)方法流程圖。

參照圖1，該深度學(xué)習(xí)方法包括如下步驟：

步驟S101，采集原始信號；

其中，由采集單元利用現(xiàn)有相機、話筒等設(shè)備對圖像、語音等信號進(jìn)行原始信號的采集。

步驟S102，將原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)；

其中，邏輯控制單元將采集信號作為訓(xùn)練樣本，通過互聯(lián)網(wǎng)發(fā)送給訓(xùn)練單元，由訓(xùn)練單元對訓(xùn)練樣本進(jìn)行云端訓(xùn)練可以得到權(quán)值參數(shù)。

步驟S103，將原始信號和權(quán)值參數(shù)進(jìn)行編碼處理，得到特征向量；

其中，邏輯控制單元將權(quán)值參數(shù)、原始信號和初始化信息發(fā)送給識別單元，由識別單元對原始信號和權(quán)值參數(shù)進(jìn)行編碼處理，得到特征向量。

步驟S104，根據(jù)特征向量得到判定結(jié)果。

其中，識別單元根據(jù)特征向量得到判定結(jié)果，這里，識別單元中的判定模塊可以根據(jù)不同的應(yīng)用類型來選擇其算法，如果任務(wù)是分類，例如文字識別，則需要將特征向量作為輸入，通過分類器輸出判定結(jié)果；如果任務(wù)是比較，例如人臉識別，則將特征向量和指定的特征向量進(jìn)行比較，輸出是相似度。

根據(jù)本發(fā)明的示例性實施例，將原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)包括：

參照圖2，步驟201，對原始信號進(jìn)行歸一化預(yù)處理得到統(tǒng)一格式的訓(xùn)練樣本；

步驟S202，將統(tǒng)一格式的訓(xùn)練樣本存儲在樣本數(shù)據(jù)庫中，并構(gòu)成訓(xùn)練樣本集合；

步驟S203，判斷對原始信號的采樣是否結(jié)束，如果結(jié)束，則執(zhí)行步驟S2042，如果未結(jié)束，則執(zhí)行步驟S2041；

步驟S2041，繼續(xù)采集原始信號；

步驟S2042，根據(jù)訓(xùn)練樣本集合計算權(quán)值參數(shù)。

具體地，如果采樣結(jié)束，則從樣本數(shù)據(jù)庫中讀取訓(xùn)練樣本集合，計算權(quán)值參數(shù)。步驟201至步驟S2042的執(zhí)行主體為訓(xùn)練單元。

根據(jù)本發(fā)明的示例性實施例，根據(jù)訓(xùn)練樣本集合計算權(quán)值參數(shù)包括：

從樣本數(shù)據(jù)庫中讀取訓(xùn)練樣本集合；

對訓(xùn)練樣本集合進(jìn)行前向傳播計算和網(wǎng)絡(luò)誤差損失計算得到各層殘差、各層權(quán)值參數(shù)和分類精度；

通過最小化殘差調(diào)整權(quán)值參數(shù)，并判斷分類精度是否達(dá)到預(yù)設(shè)閾值；

如果未達(dá)到預(yù)設(shè)閾值，則根據(jù)調(diào)整后的權(quán)值參數(shù)進(jìn)行迭代計算，直到分類精度達(dá)到預(yù)設(shè)閾值。

具體地，如果分類精度到達(dá)預(yù)設(shè)閾值，則輸出權(quán)值參數(shù)，并將權(quán)值參數(shù)保存到權(quán)值數(shù)據(jù)庫。

根據(jù)本發(fā)明的示例性實施例，將原始信號和權(quán)值參數(shù)進(jìn)行編碼處理，得到特征向量包括：

生成初始化信息；

將權(quán)值參數(shù)、原始信號和初始化信息進(jìn)行編碼轉(zhuǎn)換；

對編碼轉(zhuǎn)換后的權(quán)值參數(shù)進(jìn)行存儲，并根據(jù)編碼轉(zhuǎn)換后的初始化信息分配計算資源；

將編碼轉(zhuǎn)換后的權(quán)值參數(shù)和編碼轉(zhuǎn)換后的原始信號進(jìn)行卷積計算、池化計算和全連接計算得到特征向量。

具體地，由邏輯控制單元生成初始化信息，由識別單元將權(quán)值參數(shù)、原始信號和初始化信息進(jìn)行編碼轉(zhuǎn)換，并進(jìn)行計算得到特征向量。識別單元中的特征提取模塊采用卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取原始信號特征，特征提取過程經(jīng)過卷積、池化、全連接三種計算的多次組合，將輸入的原始信號轉(zhuǎn)變?yōu)樘卣飨蛄枯敵?。卷積計算、池化計算和全連接計算的計算方法如下：

卷積計算如公式(1)所示：

其中，l表示層數(shù)，j表示卷積核編號，i表示輸入層編號，M_j為選擇的輸入層集合，β為偏置系數(shù)，f為激活函數(shù)，通常為tanh或sigmoid等非線性函數(shù)。

池化計算如公式(2)所示：

其中，l表示層數(shù)，j表示n*n大小的池化窗口編號，β為偏置系數(shù)，f為激活函數(shù)，通常為tanh或sigmoid等非線性函數(shù)，down()為降采樣函數(shù)，通常為取平均值或最大值。

另外，全連接計算為輸入節(jié)點與輸出節(jié)點之間全部按照權(quán)值參數(shù)建立全連接映射。

根據(jù)本發(fā)明的示例性實施例，根據(jù)特征向量得到判定結(jié)果包括：

通過將特征向量輸入分類器中進(jìn)行分類得到判定結(jié)果；

或者；

通過將特征向量與指定的對比向量進(jìn)行比較得到相似度。

具體地，以上步驟的執(zhí)行主體為識別單元。

本發(fā)明提供的深度學(xué)習(xí)方法，包括采集原始信號；將原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)；將原始信號和權(quán)值參數(shù)進(jìn)行編碼處理，得到特征向量；根據(jù)特征向量得到判定結(jié)果。本發(fā)明實現(xiàn)了自動識別、檢測、定位、感知、理解等功能，可針對圖像、視頻、語音及其他數(shù)據(jù)進(jìn)行處理，具有很強的通用性。

圖3為本發(fā)明實施例提供的深度學(xué)習(xí)系統(tǒng)結(jié)構(gòu)示意圖。

參照圖3，深度學(xué)習(xí)系統(tǒng)包括采集單元10、邏輯控制單元20、訓(xùn)練單元30和識別單元40；

采集單元10，與邏輯控制單元20相連接，用于采集原始信號，并將原始信號發(fā)送給邏輯控制單元20；

具體地，采集單元10用于采集圖像、語音信號，可利用現(xiàn)有相機、話筒等設(shè)備，通過USB、Ethernet等通用接口實現(xiàn)與邏輯控制單元20的連接。

邏輯控制單元20，與訓(xùn)練單元30相連接，用于將原始信號發(fā)送給訓(xùn)練單元30，以使訓(xùn)練單元30對原始信號進(jìn)行訓(xùn)練，得到權(quán)值參數(shù)，接收訓(xùn)練單元30發(fā)送的權(quán)值參數(shù)，并將權(quán)值參數(shù)、原始信號和初始化信息發(fā)送給識別單元40；

具體地，邏輯控制單元20可以實現(xiàn)用戶交互、驅(qū)動采集單元、過程調(diào)度、數(shù)據(jù)交換，可利用現(xiàn)有計算機或嵌入式計算機，比如ARM(Advanced RISC Machine)，作為邏輯控制單元的硬件。根據(jù)具體的應(yīng)用場景，利用算法實現(xiàn)特征比較(如人臉、指紋、聲音識別)，分類(如字符識別、異常檢測)、回歸(金融分析)。由于該單元的處理方法主要采用軟件實現(xiàn)算法，采用通用計算機即可，可采用基于ARM架構(gòu)的嵌入式系統(tǒng)實現(xiàn)，也可基于PC的系統(tǒng)實現(xiàn)。當(dāng)采用ARM架構(gòu)實現(xiàn)時，邏輯控制單元與識別單元共同構(gòu)成片上系統(tǒng)(Soc)。

識別單元40，與邏輯控制單元20相連接，用于根據(jù)權(quán)值參數(shù)和原始信號進(jìn)行識別計算得到判定結(jié)果，將判定結(jié)果發(fā)送給邏輯控制單元20。

根據(jù)本發(fā)明的示例性實施例，訓(xùn)練單元30包括服務(wù)器和并行計算模塊；

服務(wù)器，用于接收原始信號，并根據(jù)原始信號進(jìn)行云端訓(xùn)練得到權(quán)值參數(shù)，將權(quán)值參數(shù)發(fā)送給邏輯控制單元20；

具體地，服務(wù)器用于運行訓(xùn)練過程、網(wǎng)絡(luò)通信，通過互聯(lián)網(wǎng)，訓(xùn)練單元30接收訓(xùn)練樣本，或?qū)⒂?xùn)練結(jié)束后形成的參數(shù)發(fā)送給邏輯控制單元20。

并行計算模塊，用于對云端訓(xùn)練的過程進(jìn)行并行加速。

根據(jù)本發(fā)明的示例性實施例，參照圖4，識別單元40包括權(quán)值存儲模塊41、特征提取模塊42、判定模塊43和接口模塊44；

接口模塊44，與判定模塊43相連接，用于接收權(quán)值參數(shù)、原始信號和初始化信息，將初始化信息和原始信號發(fā)送給特征提取模塊42，以及將權(quán)值參數(shù)發(fā)送給權(quán)值存儲模塊41；

具體地，接口模塊44接收來自邏輯控制單元20的輸入，如原始信號、權(quán)值參數(shù)、初始化信息，并將其轉(zhuǎn)換為本地總線所能接收的編碼格式；此外，還需將判定結(jié)果轉(zhuǎn)換為通用格式傳輸給邏輯控制單元20。并且，接口模塊44通過USB、Ethernet等通用接口實現(xiàn)與邏輯控制單元的連接

權(quán)值存儲模塊41，與特征提取模塊42相連接，用于存儲權(quán)值參數(shù)，并將權(quán)值參數(shù)發(fā)送給特征提取模塊42；

具體地，權(quán)值存儲模塊41接收接口模塊44發(fā)送的權(quán)值參數(shù)并進(jìn)行存儲，這里，該權(quán)值參數(shù)為訓(xùn)練好的權(quán)值參數(shù)；權(quán)值存儲模塊41可采用現(xiàn)有掉電保持存儲介質(zhì)，如SD，MicroSD等存儲訓(xùn)練好的權(quán)值；采用高速訪問存儲介質(zhì)，如Onchip RAM，SDRAM(Synchronous Dynamic Random Access Memory，同步動態(tài)隨機存儲器)實現(xiàn)。

特征提取模塊42，與判定模塊43相連接，用于根據(jù)初始化信息分配計算資源，并根據(jù)權(quán)值參數(shù)、原始信號的得到特征向量，將特征向量發(fā)送給判定模塊43；

具體地，特征提取模塊42通過卷積層和池化層組成的卷積神經(jīng)網(wǎng)絡(luò)，提取到特征向量，可采用并行性能較高、功耗較低的嵌入式設(shè)備，如FPGA(Field－Programmable Gate Array，現(xiàn)場可編程邏輯門陣列)和GPU(Graphics Processing Unit，圖像處理器)實現(xiàn)。

判定模塊43，與接口模塊44相連接，用于根據(jù)特征向量得到判定結(jié)果，并將最終得到的判定結(jié)果發(fā)送給接口模塊44，以使接口模塊44將判定結(jié)果發(fā)送給邏輯控制單元20。

具體地，判定模塊43可以根據(jù)不同的應(yīng)用類型來選擇其算法，如果任務(wù)是分類，例如文字識別，則需要將特征向量作為輸入，通過分類器輸出判定結(jié)果；如果任務(wù)是比較，例如人臉識別，則將特征向量和指定的特征向量進(jìn)行比較，輸出是相似度?？刹捎貌⑿行阅茌^高、功耗較低的嵌入式設(shè)備FPGA或GPU實現(xiàn)。

根據(jù)本發(fā)明的示例性實施例，接口模塊44還用于對權(quán)值參數(shù)、原始信號和初始化信息進(jìn)行編碼格式轉(zhuǎn)化，以及對判定結(jié)果進(jìn)行通用格式轉(zhuǎn)化。

根據(jù)本發(fā)明的示例性實施例，邏輯控制單元20為計算機。

本發(fā)明實施例提供的深度學(xué)習(xí)系統(tǒng)，與實施例提供的深度學(xué)習(xí)方法具有相同的技術(shù)特征，所以也能解決相同的技術(shù)問題，達(dá)到相同的技術(shù)效果。

本發(fā)明實施例所提供的深度學(xué)習(xí)方法和系統(tǒng)的計算機程序產(chǎn)品，包括存儲了程序代碼的計算機可讀存儲介質(zhì)，所述程序代碼包括的指令可用于執(zhí)行前面方法實施例中所述的方法，具體實現(xiàn)可參見方法實施例，在此不再贅述。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)和裝置的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。

另外，在本發(fā)明實施例的描述中，除非另有明確的規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內(nèi)部的連通。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

所述功能如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

最后應(yīng)說明的是：以上所述實施例，僅為本發(fā)明的具體實施方式，用以說明本發(fā)明的技術(shù)方案，而非對其限制，本發(fā)明的保護(hù)范圍并不局限于此，盡管參照前述實施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，其依然可以對前述實施例所記載的技術(shù)方案進(jìn)行修改或可輕易想到變化，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改、變化或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明實施例技術(shù)方案的精神和范圍，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。