基于算力网络的图像处理方法与流程

本申请涉及图像处理相关，具体涉及基于算力网络的图像处理方法。

背景技术：

1、在数字时代，图像处理作为计算机视觉与人工智能领域的关键技术，正面临着前所未有的挑战与机遇，随着云计算、边缘计算以及智能终端设备的广泛部署，如何高效利用这些分布式计算资源，以支持复杂多变的图像处理任务，成为重要一环，随着大数据、物联网、5g等技术的快速发展，图像数据的生成和处理量呈爆炸式增长，传统的集中式计算模式已难以满足实时性、低延迟和高效率的需求，且边缘计算节点的资源有限，难以独立承担大规模和计算密集型的图像处理任务，而云计算中心虽然算力强大，但数据传输延迟成为制约因素，影响图像处理任务的执行效率。

2、因此，现阶段图像处理相关技术中，存在基于单一计算节点、难以实时进行大规模、高并发的图像处理，无法精准匹配图像处理任务与计算资源，进而导致图像处理的数据传输实时性不足以及执行效率和资源利用率低下的技术问题。

技术实现思路

1、本申请通过提供基于算力网络的图像处理方法，采用多粒度重构、建立虚实映射关系、建立上位协调器、策略转换等技术手段，解决了现有图像处理存在的基于单一计算节点、难以实时进行大规模、高并发的图像处理，无法精准匹配图像处理任务与计算资源，进而导致图像处理的数据传输实时性不足以及执行效率和资源利用率低下的技术问题，实现图像处理任务的快速响应和高效执行，达到了提高图像处理效率和资源利用率的技术效果。

2、本申请提供基于算力网络的图像处理方法，所述方法包括：读取分布式的目标算力网络，以基于图像处理的算力类型进行多粒度重构部署与算力资源编码，确定算力虚拟架构，所述算力虚拟架构与所述目标算力网络建立有虚实映射；基于所述算力虚拟架构，分离数据平面与控制平面，结合数据驱动训练建立上位协调器，所述上位协调器配置有基于第三视角的统一管理规则；读取图像处理任务，进行任务解离确定多个图像处理节点，对所述多个图像处理节点与需求算力配置进行耦合绑定，确定图像处理目标；基于所述上位协调器，感知网络算力状态并执行基于所述图像处理目标的决策分析，确定虚拟层策略；基于虚实映射关系，对所述虚拟层策略进行基于所述目标算力网络的转换，确定实体层策略，所述实体层策略包含网络传输策略与图像处理策略；基于所述实体层策略，响应于所述目标算力网络的目标算力网络节点，执行所述图像处理任务。

3、在可能的实现方式中，所述确定算力虚拟架构，执行以下处理：基于算力类型，对分布式的所述目标算力网络进行聚类分割，确定第一算力；基于分布式位置与算力类型，对所述第一算力进行层次分布网络部署，确定初始化重构网络；基于图像处理要素，遍历所述初始化重构网络，进行各重构网格的多级粒度划分，确定多组算力栅格，其中，各算力网络节点对应一组算力栅格；基于所述初始化重构网络与所述多组算力栅格，构建所述算力虚拟架构。

4、在可能的实现方式中，所述读取分布式的目标算力网络，执行以下处理：所述目标算力网络存在唯一性的分布式编码，且编码序列具有可扩展性；若所述目标算力网络存在实体变化，所述算力虚拟架构同步更新。

5、在可能的实现方式中，所述建立上位协调器，还执行以下处理：以基于图像处理的决策控制为导向，基于所述算力虚拟架构，构建决策控制平面；以网络通信传输为需求，基于所述算力虚拟架构，构建图像传输平面；组合所述决策控制平面与所述图像传输平面，调用样本数据监督训练至收敛，生成所述上位协调器。

6、在可能的实现方式中，所述调用样本数据监督训练至收敛，生成所述上位协调器，还执行以下处理：检索并调用历史图像处理记录，作为训练样本，所述训练样本包含映射划分的输入样本与输出样本；基于所述训练样本对所述决策控制平面与所述图像传输平面进行有监督训练，并筛选校验样本获取验证输出，其中，所述校验样本为第一数量的随机输入样本；基于所述验证输出与映射的所述输出样本，执行误差补偿训练，获取构建完成的所述上位协调器。

7、在可能的实现方式中，所述上位协调器配置有基于第三视角的统一管理规则，还执行以下处理：遍历所述目标算力网络，确定区别性的网络节点特征，其中所述网络节点特征包含算力资源异构与网络协议差异；基于所述网络节点特征，进行基于全域图像处理的统一视角运维转换，确定基于第三视角的统一管理规则；基于所述统一管理规则，对所述上位协调器进行配置。

8、在可能的实现方式中，所述基于算力网络的图像处理方法，还执行以下处理：若所述图像处理任务为多并发任务，解离确定多组图像处理节点；基于算力同源性整合所述多组图像处理节点，基于时相约束进行算力碰撞分析，确定碰撞图像处理节点；所述目标算力网络进行算力资源感知，进行虚实交互，遍历所述碰撞图像处理节点进行调度与避让，确定碰撞协调策略。

9、在可能的实现方式中，所述基于算力网络的图像处理方法，还执行以下处理：读取预定时区的图像处理记录，挖掘基于时相周期的图像处理规律；基于所述图像处理规律，识别算力资源编码与节点算力占比，生成确定性网络；对所述确定性网络配置基于图像处理的资源预留机制。

10、拟通过本申请提出的基于算力网络的图像处理方法，读取分布式的目标算力网络，以基于图像处理的算力类型进行多粒度重构部署与算力资源编码，确定算力虚拟架构，所述算力虚拟架构与所述目标算力网络建立有虚实映射；基于所述算力虚拟架构，分离数据平面与控制平面，结合数据驱动训练建立上位协调器，所述上位协调器配置有基于第三视角的统一管理规则；读取图像处理任务，进行任务解离确定多个图像处理节点，对所述多个图像处理节点与需求算力配置进行耦合绑定，确定图像处理目标；基于所述上位协调器，感知网络算力状态并执行基于所述图像处理目标的决策分析，确定虚拟层策略；基于虚实映射关系，对所述虚拟层策略进行基于所述目标算力网络的转换，确定实体层策略，所述实体层策略包含网络传输策略与图像处理策略；基于所述实体层策略，响应于所述目标算力网络的目标算力网络节点，执行所述图像处理任务。解决了现有图像处理存在的基于单一计算节点、难以实时进行大规模、高并发的图像处理，无法精准匹配图像处理任务与计算资源，进而导致图像处理的数据传输实时性不足以及执行效率和资源利用率低下的技术问题，实现图像处理任务的快速响应和高效执行，达到了提高图像处理效率和资源利用率的技术效果。

技术特征：

1.基于算力网络的图像处理方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于算力网络的图像处理方法，其特征在于，所述确定算力虚拟架构，包括：

3.如权利要求2所述的基于算力网络的图像处理方法，其特征在于，所述目标算力网络存在唯一性的分布式编码，且编码序列具有可扩展性；

4.如权利要求1所述的基于算力网络的图像处理方法，其特征在于，所述建立上位协调器，包括：

5.如权利要求4所述的基于算力网络的图像处理方法，其特征在于，所述调用样本数据监督训练至收敛，生成所述上位协调器，包括：

6.如权利要求1所述的基于算力网络的图像处理方法，其特征在于，所述上位协调器配置有基于第三视角的统一管理规则，包括：

7.如权利要求1所述的基于算力网络的图像处理方法，其特征在于，所述方法还包括：

8.如权利要求1所述的基于算力网络的图像处理方法，其特征在于，所述方法还包括：

技术总结本发明公开了基于算力网络的图像处理方法，涉及图像处理相关技术领域，该方法包括：读取分布式的目标算力网络，确定算力虚拟架构；分离数据平面与控制平面，结合数据驱动训练建立上位协调器；读取图像处理任务，确定图像处理目标；感知网络算力状态并执行决策分析，确定虚拟层策略；对虚拟层策略进行基于目标算力网络的转换，确定实体层策略。解决了现有图像处理存在的基于单一计算节点、难以实时进行大规模、高并发的图像处理，无法精准匹配图像处理任务与计算资源，进而导致图像处理的数据传输实时性不足以及执行效率和资源利用率低下的技术问题，实现图像处理任务的快速响应和高效执行，达到了提高图像处理效率和资源利用率的技术效果。技术研发人员：苏玥琦,王梦露,郭萌,孙炜,张璇受保护的技术使用者：南京博裕物联科技有限公司技术研发日：技术公布日：2024/9/12