特征提取方法、装置及电子设备与流程

1.本公开涉及人工智能技术领域，更具体地，涉及一种特征提取方法、装置及电子设备，以及，还涉及一种事项处理方法。


背景技术：

2.随着人工智能技术的不断发展，通过将人工智能技术应用到不同的事项，例如，语态分析、语句预测、图像识别以及行为预测等事项，可以极大的方便人们生活。
3.目前，在应用人工智能技术时，针对不同的应用事项，一般是先获取对应的训练集，即，训练资源；之后，使用对应训练集训练、测试以及验证对应的神经网络(nn，neural networks)模型，例如，卷积神经网络模型(cnn，convolutional neural networks)；再之后，使用训练、测试及验证后的神经网络模型来处理对应的应用事项。例如，针对目标识别事项，一般是先获取包含多张图像的训练集；之后，通过使用待训练的神经网络模型提取训练集中图像的特征信息；根据该特征信息训练获得满足收敛条件的目标识别神经网络模型，通过在应用程序中集成该目标识别神经网络模型，以处理目标识别事项。
4.由此可知，在应用人工智能技术时，特征提取是必不可少的环节，但是，在现有技术中，针对不同的应用事项，由于其针对的对象不同，所以均需要用户选择与该对象特定的电子设备处理该对象，并且，在每次处理时，电子设备均需要先消耗计算资源和存储资源提取特征信息，重复性工作较高，存在步骤繁琐和效率低下的问题；另外，电子设备在每次提取同一对象，例如，同一图像或同一视频的特征信息时，由于提取规则具有一定的随机性，因此，还可能存在同一对象，提取到的特征信息却不相同，进而影响处理结果的准确性的问题。


技术实现要素：

5.本公开实施例的一个目的是提供一种用于特征提取的新技术方案。
6.根据本公开的第一方面，提供了一种特征提取方法，该方法包括：
7.接收待处理的目标对象；
8.获取所述目标对象的对象类别；
9.根据所述对象类别，使用与所述对象类别对应的特征提取模型提取所述目标对象的特征信息。
10.可选地，在提取到所述目标对象的特征信息之后，所述方法还包括：
11.根据所述对象类别，存储所述特征信息。
12.可选地，所述根据所述对象类别，存储所述特征信息，包括：
13.设置与所述对象类别对应的特征存储区域；
14.将所述特征信息存储到所述特征存储区域中。
15.可选地，所述方法还包括：
16.接收与所述对象类别对应的应用事项处理请求；
17.响应于所述请求，获取所述特征信息；
18.根据所述特征信息，处理所述应用事项。
19.可选地，所述应用事项包括以下至少一项：情感分析事项、语态分析事项、语句预测事项、舆情鉴别事项、对象识别事项、对象检索事项、对象信息结构化事项以及信息增强事项。
20.可选地，所述对象类别包括以下至少一项：文字类别、音频类别、视频类别以及图像类别。
21.根据本公开的第二方面，还提供了一种事项处理方法，包括：
22.获取待处理的应用事项；
23.获取与所述应用事项对应的对象的对象类别；
24.获取与所述对象类别对应的特征信息，其中，所述特征信息是根据本公开第一方面任意一项方法预先获取到的特征信息；
25.根据所述特征信息，处理所述应用事项。
26.根据本公开的第三方面，还提供了一种特征提取装置，包括：
27.目标对象接收模块，用于接收待处理的目标对象；
28.对象类别获取模块，用于获取所述目标对象的对象类别；
29.特征提取模块，用于根据所述对象类别，使用与所述对象类别对应的特征提取模型提取所述目标对象的特征信息。
30.根据本公开的第四方面，还提供了一种电子设备，其包括根据本公开的第三方面所述的装置；或者，所述电子设备包括：存储器，用于存储可执行的指令；处理器，用于根据所述指令的控制运行所述电子设备执行根据本公开的第一方面以及第二方面所述的方法。
31.本公开的一个有益效果在于，根据本公开的实施例，在提取目标对象的特征时，不需要用户先根据目标对象的对象类别选取对应电子设备，而是将目标对象输入到电子设备后，由电子设备自动获取目标对象的对象类别，并根据该对象类别，使用对应的特征提取模型，即可统一、方便、高效的提取该目标对象的特征信息。
32.通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其他特征及其优点将会变得清楚。
附图说明
33.被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开的原理。
34.图1是本公开实施例提供的可用于实现特征提取方法的特征提取系统的硬件配置的原理框图。
35.图2是本公开实施例提供的特征提取方法的流程示意图。
36.图3是本公开实施例提供的特征信息应用示意图。
37.图4是本公开实施例提供的事项处理方法的流程示意图。
38.图5是本公开实施例提供的一种特征提取装置的原理框图。
39.图6是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
40.现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
41.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
42.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
43.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其他例子可以具有不同的值。
44.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
45.《硬件配置》
46.图1是本公开实施例提供的可用于实现特征提取方法的特征提取系统的硬件配置的原理框图。
47.如图1所示，特征提取系统1000包括服务器1100、终端设备终端1200以及网络1300。
48.服务器1100例如可以是刀片服务器、机架式服务器等，服务器1100也可以是部署在云端的服务器集群，在此不做限定。
49.如图1所示，服务器1100可以包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150和输入装置1160。处理器1110例如可以是中央处理器cpu等。存储器1120例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括usb接口、串行接口等。通信装置1140例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏。输入装置1160例如可以包括触摸屏、键盘等。
50.本实施例中，服务器1100可用于参与实现根据本公开任意实施例的方法。
51.应用于本公开实施例中，服务器1100的存储器1120用于存储指令，所述指令用于控制所述处理器1110进行操作以支持实现根据本发明任意实施例的方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
52.本领域技术人员应当理解，尽管在图1中示出了服务器1100的多个装置，但是，本公开实施例的服务器1100可以仅涉及其中的部分装置，例如，只涉及处理器1110和存储器1120。
53.如图1所示，终端设备1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、音频输出装置1270、音频输入装置1280，等等。其中，处理器1210可以是中央处理器cpu、微处理器mcu等。存储器1220例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括usb接口、耳机接口等。通信装置1240例如能够进行有线或无线通信。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘等。终端设备1200可以通过音频输出装置1270输出音频信息，该音频输出装置1270例如包括扬声器。终端设备1200可
以通过音频拾取装置1280拾取用户输入的语音信息，该音频拾取装置1280例如包括麦克风。
54.终端设备1200可以是智能手机、便携式电脑、台式计算机、平板电脑等，此处不做特殊限定。
55.本领域技术人员应当理解，尽管在图1中示出了终端设备1200的多个装置，但是，本公开实施例的终端设备1200可以仅涉及其中的部分装置，例如，只涉及处理器1210、存储器1220等。
56.通信网络1300可以是无线网络也可以是有线网络，可以是局域网也可以是广域网。终端设备1200可以通过通信网络1300与服务器1100进行通信。
57.需要说明的是，图1所示的特征提取系统1000仅是解释性的，并且决不是为了要限制本公开、其应用或用途。例如，尽管图1仅示出一个服务器1100和一个终端设备1200，但不意味着限制各自的数量，该系统1000中可以包含多个服务器1100和/或多个终端设备1200。
58.《方法实施例一》
59.图2是根据本公开实施例的特征提取方法的流程示意图，该方法可以由电子设备实施，该电子设备可以是服务器，例如，可以是图1所示的服务器1100；或者，随着技术的不断进步，该电子设备也可以是终端设备，此处不做特殊限定。
60.根据图2所示，本实施例的方法可以包括如下步骤s2100-s2300，以下予以详细说明。
61.步骤s2100，接收待处理的目标对象。
62.在本实施例中，目标对象，可以为文字、音频、视频以及图像等对象中的至少一种，例如，目标对象可以为网络新闻中的一段或若干段文字，或者也可以是提供对话服务的即时通信应用中的、获得用户授权使用的聊天数据，此处不做特殊限定。
63.在具体实施时，针对现有技术中在应用人工智能技术时，在处理应用事项对应的对象时，存在的步骤繁琐和效率低下，以及针对同一对象，提取到的特征信息却不相同，进而可能影响应用事项的处理结果的准确性的问题，本实施例提供一种特征提取方法，以使得电子设备可以在接收到目标对象之后，统一、方便以及高效的提取目标对象中的特征信息。
64.在本实施例中，应用事项，也可以称为应用任务，是应用人工智能技术来处理对象，以获得符合用户期望的结果的事项。
65.具体来讲，在本实施例中与文字对象相对应的应用事项，可以为情感分析，例如，段落情感分析事项、语态分析事项、语句预测事项中的至少一项。
66.另外，与音频对象相对应的应用事项，可以为情感分析，例如，音频情感分析事项、舆情鉴别事项、对象识别，例如，发言人识别事项中的至少一项。
67.此外，与视频、图像对象相对应的应用事项，可以为目标识别、对象检索，例如，视频检索、图像检索等事项、对象信息结构化，例如，媒体信息结构化事项以及信息增强，例如，视频画质增强、图像画质增强事项中的至少一项。
68.需要说明的是，在具体实施时，应用事项当然也可以为应用人工智能技术对对象进行处理的其他事项，此处不再赘述。
69.具体到本步骤s2100中，所述接收待处理的目标对象，可以是在处理应用事项之
前，将训练集中的目标对象发送给用于进行统一特征提取处理的电子设备中，该电子设备接收目标对象，并对目标对象进行特征提取处理。
70.在步骤s2100之后，执行步骤s2200，获取所述目标对象的对象类别。
71.在本实施例中，区别于现有技术中，在提取不同类别的目标对象的特征信息时，存在的不够方便、用户体验差的问题，本实施例中的电子设备在接收目标对象之后，可以先识别目标对象的对象类别，从而使得电子设备可以根据该对象类别，自动选择对应类别的特征提取规则处理该目标对象。
72.根据上述步骤s2100中对目标对象的说明可知，在本实施例中，目标对象的对象类别包括以下至少一项：文字类别、音频类别、视频类别以及图像类别。需要说明的是，在具体实施时，也可以根据需要，将视频类别也视为图像类别，即，将视频对象视为由若干个视频帧组成的图像对象，此处不做特殊限定。
73.步骤s2300，根据所述对象类别，使用与所述对象类别对应的特征提取模型提取所述目标对象的特征信息。
74.具体来讲，在识别到目标对象的对象类别之后，针对现有技术中针对同一对象，在不同的应用事项中，可能对该对象反复进行特征提取；以及提取到的特征信息可能不统一，进而影响事项处理结果的准确性的问题，本实施例中针对同一对象，可以预先统一提取该对象的尽可能多的、唯一的特征信息，以在之后的应用事项中，直接传递该特征信息给电子设备，并由该电子设备使用该特征信息处理对应的应用事项即可。
75.在具体实施时，针对文字对象，可以通过将该文字对象输入到基于自然语言处理(nlp，natural language processing)的神经网络模型中，以提取该文字对象的特征信息。
76.例如，针对网络中的文字信息，通过将该文字信息输入到基于自然语言处理的神经网络模型中，获取该文字信息中每一语句的句向量、段落向量、文字情感倾向以及表示不同实体间的关系的关系向量等特征信息。
77.又例如，针对视频或图像对象，可以通过将该对象输入到图像特征或视频特征提取神经网络模型中，从而提取该视频或图像对象中的颜色特征、纹理特征、形状特征以及空间关系特征等特征信息。
78.在具体实施时，可以根据需要，随时调整电子设备中用于提取对应类别的对象的特征信息的神经网络模型，以使得该电子设备可以唯一、全面的得到同一对象的不同尺度、不同维度的特征信息。
79.需要说明的是，在本实施例中，在提取目标对象的特征信息时，是使用对应对象类别的神经网络模型来提取该对象的特征信息，在具体实施时，当然也可以使用其他方法提取目标对象的特征信息，此处不做特殊限定。
80.另外，在提取到所述目标对象的特征信息之后，为了在不同的应用事项中，避免传递保密、敏感或隐私训练资源时存在的安全性风险，所述方法还包括：根据所述对象类别，存储所述特征信息。
81.即，在提取到目标对象的特征信息之后，可以存储该特征信息，并在电子设备获取到应用事项后，根据该应用事项所需要处理的对象的对象类别，从存储该对象类别的存储区域中获取该特征信息，以直接根据该特征信息，处理该应用事项。
82.在具体实施时，所述根据所述对象类别，存储所述特征信息，包括：设置与所述对
象类别对应的特征存储区域；将所述特征信息存储到所述特征存储区域中。
83.在本实施例中，特征存储区域，可以为数据库中的数据表，或者，也可以为存储设备中的存储文件，此处不做特殊限定。
84.请参看图3，其是本公开实施例提供的特征信息应用示意图。如图3所示，在预先提取到目标对象的特征信息，并存储目标对象的特征信息之后，所述方法还包括：接收与所述对象类别对应的应用事项处理请求；响应于所述请求，获取所述特征信息；根据所述特征信息，处理所述应用事项。
85.根据步骤s2100中对应用事项的说明以及图3内容可知，在本实施例中，应用事项可以为以下至少一项：情感分析事项、语态分析事项、语句预测事项、舆情鉴别事项、对象识别事项、对象检索事项、对象信息结构化事项以及信息增强事项。
86.具体来讲，在应用人工智能技术，例如，应用人工智能模型的应用事项中，人工智能模型的训练、测试和验证过程都需要依赖训练集，即，训练资源，其中，训练资源中的对象一般包括图像、文字、音频以及视频等对象类别的对象，而在色情鉴别、暴力鉴别以及敏感人物鉴别等涉及到保密、敏感以及隐私资源对象的应用事项中，传递甚至反复传递包括该类对象的训练集是存在资源泄露等安全问题的，因此，在具体实施时，可以预先使用本实施例提供的特征提取方法提取该类对象的特征信息，并在处理应用事项时，通过传递预先获得的特征信息来处理该类应用事项以提升训练资源数据的安全性，其中，所述使用预先获得的特征信息来处理该类应用事项，例如可以是通过对预先获得的特征信息进行比较、检索匹配分析等处理，以处理对应的应用事项。。
87.根据以上步骤s2100～s2300可知，在提取目标对象的特征时，不需要用户先根据目标对象的对象类别选取对应电子设备，而是将目标对象输入到电子设备后，由电子设备自动获取目标对象的对象类别，并根据该对象类别，使用对应的特征提取模型，即可统一、方便、高效的提取该目标对象的特征信息；并且，根据本公开实施例提供的方法，在处理具体的应用事项时，还可以避免直接传递训练资源带来的资源泄露等安全问题，可以显著提升训练资源数据的安全性。
88.《方法实施例二》
89.与上述方法实施例一相对应，在本实施例中，还提供一种事项处理方法，图4是根据本公开实施例的事项处理方法的流程示意图，该方法可以由电子设备实施，该电子设备可以是服务器，或者，也可以是终端设备，此处不做特殊限定。
90.根据图4所示，本实施例的方法可以包括如下步骤s4100-s4400，以下予以详细说明。
91.步骤s4100，获取待处理的应用事项。
92.步骤s4200，获取与所述应用事项对应的对象的对象类别。
93.步骤s4300，获取与所述对象类别对应的特征信息，其中，所述特征信息是根据上述方法实施例一中任意一项所述的方法预先获取到的特征信息。
94.步骤s4400，根据所述特征信息，处理所述应用事项。
95.在本实施例中，所述应用事项可以为以下至少一项：情感分析事项、语态分析事项、语句预测事项、舆情鉴别事项、对象识别事项、对象检索事项、对象信息结构化事项以及信息增强事项。
96.根据所述特征信息，处理所述应用事项，可以为：对所述特征信息进行比较、检索以及匹配分析等处理，以处理所述应用事项。根据本公开的实施例，在电子设备获取到待处理的应用事项时，不需要将训练集，即训练资源传递给该电子设备，例如，针对目标识别事项以及图像检索事项，电子设备不需要获取由多张图像对象构成的训练集，来训练、测试以及验证对应的目标识别神经网络模型以及图像检索神经网络模型，而是可以直接获取由上述方法实施例一预先对该训练集中的图像对象进行特征信息提取后获得的特征信息，并根据该特征信息训练、测试以及验证对应的神经网络模型即可，该方法避免了训练资源，例如训练集中保密、敏感及隐私资源的传递，而是通过传递特征，并由电子设备自行根据该特征信息处理对应的应用事项；同时，由于特征信息具有不可逆性，因此，采取传递特征信息来处理应用事项的处理方式还可以避免用户反推得到训练资源，从而可以显著提升训练资源数据的安全性。
97.《装置实施例》
98.与上述方法实施例一及方法实施例二相对应，在本实施例中，还提供一种特征提取装置，如图5所示，该装置4000可以包括目标对象接收模块5100、对象类别获取模块5200和特征提取模块5300。
99.该目标对象接收模块5100，用于接收待处理的目标对象。
100.该对象类别获取模块，用于获取所述目标对象的对象类别。
101.该特征提取模块，用于根据所述对象类别，使用与所述对象类别对应的特征提取模型提取所述目标对象的特征信息。
102.在一个实施例中，在提取到所述目标对象的特征信息之后，所述装置5000还包括存储模块，用于根据所述对象类别，存储所述特征信息。
103.在该实施例中，该存储模块在根据所述对象类别，存储所述特征信息时，可以用于：
104.设置与所述对象类别对应的特征存储区域；
105.将所述特征信息存储到所述特征存储区域中。
106.在该实施例中，该装置5000还包括事项处理模块，用于：
107.接收与所述对象类别对应的应用事项处理请求；
108.响应于所述请求，获取所述特征信息；
109.根据所述特征信息，处理所述应用事项。
110.《设备实施例》
111.与上述方法实施例一及方法实施例二相对应，在本实施例中，还提供一种电子设备，其可以包括根据本公开任意实施例的特征提取装置5000，用于实施本公开任意实施例的方法。
112.如图6所示，该电子设备6000还可以包括处理器6200和存储器6000，该存储器6100用于存储可执行的指令；该处理器6200用于根据指令的控制运行电子设备以执行根据本公开任意实施例的方法。
113.以上装置5000的各个模块可以由处理器6200运行该指令以执行根据本公开任意实施例的方法来实现。
114.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机
可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
115.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
116.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
117.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
118.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
119.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
120.也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
121.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
122.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。本公开的范围由所附权利要求来限定。