模型生成的方法、装置、电子设备和存储介质与流程

1.本技术实施例涉及人工智能技术领域，特别是涉及一种模型生成的方法、装置、电子设备和存储介质。


背景技术：

2.目前，人工智能(artificial intelligence，ai)受到了学术界和工业界的广泛关注，因ai技术较快的处理速率和较高的处理准确率，受到广泛的应用。例如，人脸识别、图像分类、物体检测、语音识别等。
3.在应用ai模型之前，首先需要构建或选择合适的ai模型，以及训练和优化ai模型。现常用ai开发平台为用户提供一定任务目标的ai模型的选择、构件、验证、调优等业务。
4.但是，ai开发平台的灵活性较差。如何获得功能多样的模型，以及能够完整复杂场景下数据处理的要求是目前亟待解决的问题。


技术实现要素：

5.第一方面，提供了一种模型生成的方法，获取样本图像数据集；根据该样本图像数据集确定树状结构的模型，该树状结构包括n个层，该n个层中的每个层包括至少一个节点，其中第1层的节点的输入为该样本图像数据集，第i层的节点的输入为第i-1层中节点之一的输出，其中n为大于1的正整数，i=2，
…
，n；其中每个该节点为以下控件之一：图像分割功能控件、图像分类功能控件、图像目标检测功能控件、光学字符识别功能控件。
6.应理解，本技术实施例对样品图像数据集的具体数量不作限定。该树状结构的模型中的节点（功能控件）的种类最多可以有以下4项：图像分割功能控件、图像分类功能控件、图像目标检测功能控件或光学字符识别功能控件。树状结构的模型中可以包含上述4种功能控件中的一个或者多个，同一功能控件也可以有一个或者多个。这样能够提供更加丰富的节点类型。用户可以根据实际情况，选择模型中的全部或者部分功能进行输出。该树状结构模型的每一层的任一个节点，仅与该节点的上一层的一个节点连接，不会与上一层的所有节点都连接。并且，每一层的节点之间没有连接，每一节点的输入都是与该节点连接的上一层节点的输出。
7.本技术实施例中，提供了一种树状结构的模型生成方法。该模型中的每一节点的输入为与该节点连接的上一层节点的输出。用户可以根据需求选择不同的节点（功能控件）对应的功能对样本图像数据集进行处理。并且，该模型中可能包括的4种节点类型更适合应用于工业场景中，在一定程度上简化了模型生成的过程，提高了模型生成的灵活性，能够应对较为复杂的数据处理场景，同时降低了用户的学习和使用的难度。
8.结合第一方面，在第一方面的某些实现方式中，该根据该样本图像数据集确定树状结构的模型，包括：响应于用户的第一操作，显示该树状结构的第k层的控件选项；响应于用户的第二操作，从该第k层的控件选项中确定该第k层的节点；根据所确定的该第k层的节点，显示对该样本图像数据集进行样本处理的工具；使用进行该样本处理后的样本图像数
据集，训练该树状结构的模型，其中，k=1,2，
…
，n。
9.应理解，响应于用户的第一操作，显示树状结构的某一层的控件选项，该控件选项包括上述4种功能控件（节点类型）。通过用户的第二操作，从该4中功能控件中选择一个或者多个。并且，显示对样本图像数据集进行样本处理的工具，用户可使用该样本处理的工具对样本图像数据集进行一些辅助操作。
10.结合第一方面，在第一方面的某些实现方式中，该树状结构的模型包括第一子模型，该第一子模型包括第m层和第m 1层，其中，该第m层的节点为该图像分割功能控件，该第m 1层的节点为该图像目标检测功能控件，其中m为小于n的正整数。
11.应理解，树状结构的模型可以包括多个子模型。第一子模型是多个子模型中的其中一个。该树状结构的模型中的任一功能控件都可以视为一个子模型。示例性的，第一子模型包括图像分割功能控件和图像目标检测功能控件。也就是说，第一子模型包括两个串联的功能控件。当然，本技术对第一子模型中包括的具体功能控件不作限定，该具体功能控件可以根据用户的实际需要而确定。
12.本技术实施例中，该树状结构的模型生成的方法，可以直观地显示在用户界面上，能够便于用户执行模型生成的过程，降低了用户学习的难度。
13.结合第一方面，在第一方面的某些实现方式中，该树状结构的模型包括第二子模型，该第二子模型包括第m层、第m 1层和第m 2层，其中，该第m层的节点为该图像分割功能控件，该第m 1层的节点为该图像目标检测功能控件，该第m 2层的节点为该光学字符识别功能控件，其中m为小于n的正整数。
14.应理解，第一子模型中的图像目标检测功能控件之后又增加了光学字符识别功能控件，第二子模型包括第一子模型和新增加的光学字符识别功能控件。示例性的，第二子模型包括图像分割功能控件、图像目标检测功能控件和光学字符识别功能控件。当然，本技术对第二子模型中包括的具体功能控件不作限定，该具体功能控件可以根据用户的实际需要而确定。可以理解为，第二子模型与第一子模型串联，可以根据实际情况，选择第一子模型的输出数据或者第二子模型的输出数据作为最终的输出数据，也可以选择任一功能控件的输出数据作为最终的输出数据。
15.结合第一方面，在第一方面的某些实现方式中，该树状结构的模型包括第三子模型，该第三子模型包括第j层和第j 1层，其中，该第j层的节点为该光学字符识别控件，该第j 1层的节点为该图像分类控件，其中j为小于n的正整数。
16.应理解，第三子模型与第一子模型（或者第二子模型）并联。示例性的，第三子模型包括光学字符识别功能控件和图像分类功能控件。当然，本技术对第三子模型中包括的具体功能控件不作限定，该具体功能控件可以根据用户的实际需要而确定。
17.可选地，用户可以根据实际需要，实时修改树状结构的模型。示例性的，当用户对第二子模型中的图像目标检测功能控件执行删除操作时，图像目标检测功能控件以及该功能控件之后的都可以被删除。也就是说，用户可以通过一次删除操作，删除相应的功能控件以及该功能控件之后的任一功能控件。能够提高模型生成的灵活性。
18.结合第一方面，在第一方面的某些实现方式中，该样本处理为以下处理之一：标记处理、样本选择处理、缩放处理、预处理。
19.结合第一方面，在第一方面的某些实现方式中，该图像分割功能控件对应的功能
为基于深度学习的分割算法。
20.第二方面，提供了一种电子设备，包括：一个或多个处理器；一个或多个存储器；该一个或多个存储器存储有一个或多个计算机程序，该一个或多个计算机程序包括指令，当该指令被该一个或多个处理器执行时，使得该电子设备执行以下步骤：获取样本图像数据集；根据该样本图像数据集确定树状结构的模型，该树状结构包括n个层，该n个层中的每个层包括至少一个节点，其中第1层的节点的输入为该样本图像数据集，第i层的节点的输入为第i-1层中节点之一的输出，其中n为大于1的正整数，i=2，
…
，n；其中每个该节点为以下控件之一：图像分割功能控件、图像分类功能控件、图像目标检测功能控件、光学字符识别功能控件。
21.结合第二方面，在第二方面的某些实现方式中，该根据该样本图像数据集确定树状结构的模型，当该指令被该一个或多个处理器执行时，使得该电子设备执行以下步骤：响应于用户的第一操作，显示该树状结构的第k层的控件选项；响应于用户的第二操作，从该第k层的控件选项中确定该第k层的节点；根据所确定的该第k层的节点，显示对该样本图像数据集进行样本处理的工具；使用进行该样本处理后的样本图像数据集，训练该树状结构的模型，其中，k=1,2，
…
，n。
22.结合第二方面，在第二方面的某些实现方式中，该树状结构的模型包括第一子模型，该第一子模型包括第m层和第m 1层，其中，该第m层的节点为该图像分割功能控件，该第m 1层的节点为该图像目标检测功能控件，其中m为小于n的正整数。
23.结合第二方面，在第二方面的某些实现方式中，该树状结构的模型包括第二子模型，该第二子模型包括第m层、第m 1层和第m 2层，其中，该第m层的节点为该图像分割功能控件，该第m 1层的节点为该图像目标检测功能控件，该第m 2层的节点为该光学字符识别功能控件，其中m为小于n的正整数。
24.结合第二方面，在第二方面的某些实现方式中，该树状结构的模型包括第三子模型，该第三子模型包括第j层和第j 1层，其中，该第j层的节点为该光学字符识别控件，该第j 1层的节点为该图像分类控件，其中j为小于n的正整数。
25.结合第二方面，在第二方面的某些实现方式中，该样本处理为以下处理之一：标记处理、样本选择处理、缩放处理、预处理。
26.结合第二方面，在第二方面的某些实现方式中，该图像分割功能控件对应的功能为基于深度学习的分割算法。
27.第三方面，提供了一种模型生成的装置，与存储器耦合的处理器，该存储器用于存储计算机程序，该处理器用于运行该计算机程序，使得该模型生成的装置执行如上述第一方面及其任一种可能的实现方式中的方法。
28.结合第三方面，在第三方面的某些实现方式中，该模型生成的装置还包括该存储器和收发器中的一项或多项，该收发器用于接收信号和/或发送信号。
29.第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质包括计算机程序或指令，当该计算机程序或指令在计算机上运行时，使得如第一方面及其任一种可能的实现方式中的方法被执行。
30.第五方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，当该计算机程序或指令在计算机上运行时，使得如第一方面及其任一种可能的实现方
式中的方法被执行。
31.第六方面，提供了一种计算机程序，当其在计算机上运行时，使得如第一方面及其任一种可能的实现方式中的方法被执行。
附图说明
32.图1是本技术实施例提供的一种电子设备的结构示意图。
33.图2是本技术实施例提供的电子设备的软件结构框图。
34.图3是本技术实施例提供的系统架构示意图。
35.图4是本技术实施例提供的模型生成方法的框架图。
36.图5是本技术实施例提供的一种模型生成方法的示意图。
37.图6是本技术实施例提供的一种功能模块示意图。
38.图7是本技术实施例提供的一种数据集的处理流程图。
39.图8是本技术实施例提供的一种图像分割示意图。
40.图9是本技术实施例提供的另一种数据集的处理流程图。
41.图10是本技术实施例提供的另一种数据集的处理流程图。
42.图11是本技术实施例提供的数据集处理流程示意图。
43.图12是本技术实施例提供的另一数据集处理流程示意图。
44.图13是本技术实施例提供的另一数据集处理流程示意图。
45.图14是本技术实施例提供的另一数据集处理流程示意图。
46.图15是本技术实施例提供的另一数据集处理流程示意图。
47.图16是本技术实施例提供的另一数据集处理流程示意图。
48.图17是本技术实施例提供的另一数据集处理流程示意图。
49.图18是本技术实施例提供的一种模型生成的方法示意性流程图。
具体实施方式
50.下面将结合附图，对本技术实施例中的技术方案进行描述。
51.以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本技术的限制。如在本技术的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“该”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式，除非其上下文中明确地有相反指示。还应当理解，术语“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系；例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a、b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。
52.在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
53.以下介绍电子设备、用于这样的电子设备的用户界面、和用于使用这样的电子设备的实施例。在一些实施例中，电子设备可以是还包含其它功能诸如个人数字助理和/或音乐播放器功能的便携式电子设备，诸如手机、平板电脑、具备无线通讯功能的可穿戴电子设备（如智能手表）等。便携式电子设备的示例性实施例包括但不限于搭载ios
®
、android
®
、microsoft
®
或者其它操作系统的便携式电子设备。上述便携式电子设备也可以是其它便携式电子设备，诸如膝上型计算机（laptop）等。还应当理解的是，在其他一些实施例中，上述电子设备也可以不是便携式电子设备，而是台式计算机。
54.示例性的，图1示出了电子设备100的结构示意图。电子设备100可以包括处理器110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，usb)接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170a，受话器170b，麦克风170c，耳机接口170d，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户身份识别 (subscriber identification module，sim)卡接口195等。其中传感器模块180可以包括压力传感器180a，陀螺仪传感器180b，气压传感器180c，磁传感器180d，加速度传感器180e，距离传感器180f，接近光传感器180g，指纹传感器180h，温度传感器180j，触摸传感器180k，环境光传感器180l，骨传导传感器180m等。
55.可以理解的是，本技术实施例示意的结构并不构成对电子设备100的具体限定。在本技术另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
56.处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，ap)，调制解调处理器，图形处理器(graphics processing unit，gpu)，图像信号处理器(image signal processor，isp)，控制器，存储器，视频编解码器，数字信号处理器(digital signal processor，dsp)，基带处理器，和/或神经网络处理器(neural-network processing unit，npu)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
57.其中，控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
58.处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从该存储器中直接调用。避免了重复存取，减少了处理器110的等待时间，因而提高了系统的效率。
59.在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，i2c)接口，集成电路内置音频(inter-integrated circuit sound，i2s)接口，脉冲编码调制(pulse code modulation，pcm)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，uart)接口，移动产业处理器接口(mobile industry processor interface，mipi)，通用输入输出(general-purpose input/output，gpio)接口，用户身份识别 (subscriber identity module，sim)接口，和/或通用串行总线(universal serial bus，usb)接口等。
60.电子设备100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。
61.天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
62.移动通信模块150可以提供应用在电子设备100上的包括2g/3g/4g/5g等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，lna)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
63.调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170a，受话器170b等)输出声音信号，或通过显示屏194显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理器110，与移动通信模块150或其他功能模块设置在同一个器件中。
64.无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wireless local area networks，wlan)(如无线保真(wireless fidelity，wi-fi)网络)，蓝牙(bluetooth，bt)，全球导航卫星系统(global navigation satellite system，gnss)，调频(frequency modulation，fm)，近距离无线通信技术(near field communication，nfc)，红外技术(infrared，ir)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
65.在一些实施例中，电子设备100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得电子设备100可以通过无线通信技术与网络以及其他设备通信。该无线通信技术可以包括全球移动通讯系统(global system for mobile communications，gsm)，通用分组无线服务(general packet radio service，gprs)，码分多址接入(code division multiple access，cdma)，宽带码分多址(wideband code division multiple access，wcdma)，时分码分多址(time-division code division multiple access，td-scdma)，长期演进(long term evolution，lte)，bt，gnss，wlan，nfc ，fm，和/或ir技术等。该gnss可以包括全球卫星定位系统(global positioning system ，gps)，全球导航卫星系统(global navigation satellite system，glonass)，北斗卫星导航系统(beidou navigation satellite system，bds)，准天顶卫星系统(quasi-zenith satellite system，qzss)和/或星基增强系统(satellite based augmentation systems，sbas)。
66.电子设备100通过gpu，显示屏194，以及应用处理器等实现显示功能。gpu为图像处
理的微处理器，连接显示屏194和应用处理器。gpu用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个gpu，其执行程序指令以生成或改变显示信息。
67.显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，lcd)，有机发光二极管(organic light-emitting diode，oled)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode的，amoled)，柔性发光二极管(flex light-emitting diode，fled)，miniled，microled，micro-oled，量子点发光二极管(quantum dot light emitting diodes，qled)等。在一些实施例中，电子设备100可以包括1个或n个显示屏194，n为大于1的正整数。
68.电子设备100可以通过isp，摄像头193，视频编解码器，gpu，显示屏194以及应用处理器等实现拍摄功能。
69.isp 用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将该电信号传递给isp处理，转化为肉眼可见的图像。isp还可以对图像的噪点，亮度，肤色进行算法优化。isp还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，isp可以设置在摄像头193中。
70.摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，ccd)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，cmos)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给isp转换成数字图像信号。isp将数字图像信号输出到dsp加工处理。dsp将数字图像信号转换成标准的rgb，yuv等格式的图像信号。在一些实施例中，电子设备100可以包括1个或n个摄像头193，n为大于1的正整数。
71.数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当电子设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
72.视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样，电子设备100可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，mpeg)1，mpeg2，mpeg3，mpeg4等。
73.npu为神经网络(neural-network，nn)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过npu可以实现电子设备100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。
74.外部存储器接口120可以用于连接外部存储卡，例如micro sd卡，实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。
75.内部存储器121可以用于存储计算机可执行程序代码，该可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令，从而执行电子设备100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据，电话本等)等。此
外，内部存储器121可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，ufs)等。
76.电子设备100可以通过音频模块170，扬声器170a，受话器170b，麦克风170c，耳机接口170d，以及应用处理器等实现音频功能。例如音乐播放，录音等。
77.音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理器110中，或将音频模块170的部分功能模块设置于处理器110中。
78.扬声器170a，也称“喇叭”，用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170a收听音乐，或收听免提通话。
79.受话器170b，也称“听筒”，用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时，可以通过将受话器170b靠近人耳接听语音。
80.麦克风170c，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风170c发声，将声音信号输入到麦克风170c。电子设备100可以设置至少一个麦克风170c。在另一些实施例中，电子设备100可以设置两个麦克风170c，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，电子设备100还可以设置三个，四个或更多麦克风170c，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。
81.压力传感器180a用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器180a可以设置于显示屏194。压力传感器180a的种类很多，如电阻式压力传感器，电感式压力传感器，电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180a，电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194，电子设备100根据压力传感器180a检测该触摸操作强度。电子设备100也可以根据压力传感器180a的检测信号计算触摸的位置。在一些实施例中，作用于相同触摸位置，但不同触摸操作强度的触摸操作，可以对应不同的操作指令。例如，当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于闹钟应用图标时，执行新建闹钟的指令。
82.指纹传感器180h用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。例如，当手机在锁屏界面检测到用户的触控操作时，手机可以通过指纹传感器180h采集用户的指纹信息，并通过采集的指纹信息与手机中预置的指纹信息进行匹配。若匹配成功，则手机可以从锁屏界面进入非锁屏界面。
83.触摸传感器180k，也称“触控面板”。触摸传感器180k可以设置于显示屏194，由触摸传感器180k与显示屏194组成触摸屏，也称“触控屏”。触摸传感器180k用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器180k也可以设置于电子设备100的表面，与显示屏194所处的位置不同。
84.图2是本技术实施例的电子设备100的软件结构框图。分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将android系统分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时
(android runtime)和系统库，以及内核层。应用程序层可以包括一系列应用程序包。
85.如图2所示，应用程序层可以包括相机、设置、皮肤模块、用户界面（user interface，ui）、三方应用程序等。其中，三方应用程序可以包括图库，日历，通话，地图，导航，wlan，蓝牙，音乐，视频，短信息等。
86.应用程序框架层为应用程序层的应用程序提供应用编程接口（application programming interface，api）和编程框架。应用程序框架层可以包括一些预先定义的函数。
87.如图2所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。
88.窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。该数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。
89.视图系统包括可视控件，例如显示文字的控件，显示图片的控件等，例如本技术实施例中的用于提示虚拟快门键的指示信息等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。
90.电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通，挂断等)。
91.资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。
92.通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，电子设备振动，指示灯闪烁等。
93.android runtime包括核心库和虚拟机。android runtime负责安卓系统的调度和管理。
94.核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。
95.应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。
96.系统库可以包括多个功能模块。例如：表面管理器（surface manager），媒体库（media libraries），三维图形处理库（例如：opengl es），2d图形引擎（例如：sgl）等。
97.表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2d和3d图层的融合。
98.媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如: mpeg4，h.264，mp3，aac，amr，jpg，png等。
99.三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。
100.2d图形引擎是2d绘图的绘图引擎。
101.此外，系统库还可以包括状态监测服务模块等，例如物理状态识别模块，用于对用户手势进行分析和识别；传感器服务模块，用于对硬件层各类传感器上传的传感器数据进行监测，确定电子设备100的物理状态。
102.内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。
103.硬件层可以包括各类传感器，例如图1中介绍的各类传感器，在本技术实施例中涉及的加速度传感器、陀螺仪传感器、触摸传感器等。
104.结合以上图1和图2介绍的电子设备，在本技术实施例中，电子设备100涉及的物理器件主要包括传感器、决策支持系统（decision support systems，dss）显示芯片、触摸显示屏、指纹识别模块等硬件组件；以及屏幕管理模块、显示驱动、指纹驱动、防误触等内核软件层；防误触输入、屏幕控制、灭屏显示（always on display，aod）服务、电源管理等应用程序框架层功能；以及特殊适配应用（camera）、三方应用、系统休眠、aod等应用层业务。
105.本技术提供的模型生成的方法，可以应用于如图3所示的系统架构示意图中。其中，终端设备31通过网络与服务器32进行通信。终端设备31向服务器32发送样本图样数据集，以及用户意图。其中，用户意图用来表示用户对该样本图样数据集需要的处理。服务器32将样本图样数据集根据用户意图训练相应的模型，最终生成用户实际需要的模型。也就是说，用户首先将需要处理的数据集上传至本技术实施例所提供的ai开发平台，随后根据实际需求选择对应的处理操作，生成模型。
106.应理解，上述系统架构示意图中的终端设备32包括但不限于手机、平板电脑、具备无线通讯功能的可穿戴电子设备（例如智能手表）等。便携式电子设备的示例性实施例包括但不限于搭载ios
®
、android
®
、microsoft
®
或者其它操作系统的便携式电子设备。还应当理解的是，在其他一些实施例中，上述电子设备也可以不是便携式电子设备，而是台式计算机。服务器32可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
107.如图4所示，示出了本技术实施例提供的一种模型生成方法的框架图。如图所示，模型生成框架图400包括图像分割模块410、图像分类模块420、图像目标检测模块430以及光学字符识别（optical character recognition，ocr）440。下面对上述各个模块进行具体介绍。
108.图像分割模块410，可以用于执行图像分割。图像分割是将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。在本技术实施例中，主要采用基于深度学习的分割算法。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，可以把属于同一区域的像素赋予相同的编号。图像分割可以应用于对检测对象精细至像素级别的检测和边缘识别。例如，识别硅晶片的裂纹区域、轴承碰伤区域等精细零件的碰伤。
109.图像分类模块420，可以用于执行图像分类。图像分类是一种根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。图像分类可以应用于
对检测物料进行分类判断。例如，根据物料是否分合格进行二分类判断、检测对象的颜色、检测食品种类、缺陷细分或根据不同材质对检测对象进行分类等。
110.图像目标检测模块430，可以用于执行图像目标检测。图像目标检测是一种利用图像处理与模式识别等领域的理论和方法。可以从图像中定位感兴趣的目标，判断每个目标的具体类别，并给出每个目标的边界框。图像目标检测可以应用于对检测物料中的目标进行定位及分类，适合多目标检测、小目标检测或计数等。例如，确定药品药丸的数量、确定部件的缺陷定位等。
111.光学字符识别模块440，可以用于执行光学字符识别。光学字符识别是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。光学字符识别可以应用于单字符标注与识别、多字符标注与识别。能够打破传统方技术上的局限性，解曲线字符识别、低对比度字符识别、较大字符识别等复杂的字符识别问题。例如，可以识别精细零件上的文字。
112.图5示出了本技术实施例提供的一种模型生成方法的示意图。如图所示，数据集500包括但不限于图片数据集、视频数据集、文本数据集等。该模型生成的结构为树状结构。用户可以根据实际需要，选择对数据集500处理的不同功能的模块，例如图像分割模块、图像分类模块、图像目标检测模块或光学字符识别模块等。图5中仅以上述四种模块为例进行说明。用户可以选择需要的模块来构建树状分支，从而实现对数据集500进行下一步处理。
113.示例性的，图5中示出了生成三种串联或并联方案的模型。其一，数据集500依次进行图像分割、图像目标检测、光学字符识别和图像分类处理。其二，数据集500依次进行图像分割、图像目标检测和光学字符识别处理。其三，仅对数据集500进行图像分类处理。
114.以上述第一种方式为例。当数据集500进行图像分割处理后，得到的分割数据将被传输至图像目标检测模块。也就是说，每一模块的输入数据是上一模块的输出数据。
115.可选地，用户可以根据实际需要，对上述四个模块自由进行组合连接。但图像分类之后将不会再连接其他功能模块。
116.可选地，如图5所示的树状结构构建完成后，用户可以选择性地生成该树状结构对应的模型。例如，输出模型对应的软件开发工具包（software development kit，sdk）等方式。
117.应理解，树状结构图中包含n个子节点，则最终会有n个输出。该数据结构图中每一个子节点均对应一条完整的方案。但是用户可以根据实际需要，选择输出该方案中的全部或者部分方案。
118.示例性的，用户可以通过输入设备（例如鼠标）实现对功能模块的选择或者删除等操作。如图6所示，当用户通过鼠标左键点击数据集500时，会出现图像分割、图像分类、图像目标检测、光学字符识别四种功能模块以供用户选择。当用户通过鼠标左键点击图像分割时，可以对数据集500执行图像分割处理。当用户通过鼠标点击图像分类时，可以对数据集500执行图像分类处理。当用户通过鼠标点击图像目标检测时，可以对数据集500执行图像目标检测处理。当用户通过鼠标点击光学字符识别时，可以对数据集500执行光学字符识别处理。
119.当然，当用户点击图像分割之后，也会出现上述四种功能模块以供用户选择下一步执行的具体任务。也就是说，每进行一次处理之后，用户都可以选择下一步具体的处理方
式，具体的处理方式可以是一种或者多种，本技术对此不作限定。
120.示例性的，当用户通过鼠标右键点击图像分割模块时，表示删除该图像分割模块。当图像分割模块之后还存在有其他功能模块时，用户通过鼠标右键。点击该图像分割模块，该图像分割模块之后的其他功能模块也将被删除。例如，如图5所示，当用户通过鼠标右键点击图像分类模块520时，表示图像目标检测模块520、光学字符识别模块530和560、图像分类模块540都作删除处理。而图5中的图像分割模块510和图像分类模块550将被保留。
121.应理解，上述用户可以通过输入设备（例如鼠标）实现对功能模块的选择或者删除等操作的方式仅为一种示例。本技术实施例中还可以通过拖动功能模块、设置控件等其他方式实现对不同模块的选择、删除或者更改等操作。
122.为了便于理解，下面以用户上传的数据集500包括100张图像为例，详细说明图5中数据集500的处理流程。
123.如图7所示，示出图5中的一种数据集的处理流程。具体步骤如下：s701，图像分割。
124.应理解，将数据集500中的100张图像进行分割。为了方便理解，图6是本技术提供的一个图像数据的示例。如图8所示，分割后的图像800可以包括810、820、830、840四个区域。图8中的四个区域仅为示例，还可以包括其他区域。图像分割可以把属于同一区域的像素赋予相同的编号。
125.s702，图像目标检测。
126.应理解，从步骤s701中100张图像分割后的区域定位感兴趣的目标，判断每个目标的具体类别，并给出每个目标的边界框。示例性地，该目标可以是一个商标标志，或者一个说明标签等。
127.s703，光学字符识别。
128.应理解，对步骤s702中定位的目标进行文字识别分析。
129.s704，图像分类。
130.应理解，将步骤s703中100张图像进行分类。例如，将图8中编号为a的区域分为一类，将编号为b的区域分为一类，将编号为c的区域分为一类，将编号为d的区域分为一类。
131.通过上述步骤s701至s704，便可以生成一种模型，可以用于按照图像分割、图像目标检测、光学字符识别和图像分类这一流程处理一定的图像。
132.如图9所示，示出图5中的另一种数据集的处理流程。具体步骤如下：s901，图像分割。
133.应理解，将数据集500中的100张图像进行分割。图像分割可以把属于同一区域的像素赋予相同的编号。
134.s902，图像目标检测。
135.应理解，从步骤s901中100张图像分割后的区域定位感兴趣的目标，判断每个目标的具体类别，并给出每个目标的边界框。示例性地，该目标可以是一个商标标志，或者一个说明标签等。
136.s903，光学字符识别。
137.应理解，对步骤s902中定位的目标数据进行文字识别分析。
138.通过上述步骤s901至s903，便可以生成一种模型，可以用于按照图像分割、图像目
标检测和光学字符识别这一流程处理图像。
139.如图10所示，示出图5中的另一种数据集的处理流程。具体步骤如下：s1001，图像分类。
140.将数据集500中的100张图像根据图像信息中所反映的不同特征，将图像中的不同类别的区域分开，并标记赋予不同的编号。
141.通过上述步骤s1001，生成一种模型，该模型可以直接对图像进行图像分类的处理。
142.为了便于理解，以找出部件上的缺陷为例，图11、图12、图13和图14示出了数据集在一个树状结构模型中进行处理的示意图。
143.如图11所示，示出了该树状结构模型的处理流程。该处理流程包括：一方面，数据集经过图像目标检测（例如，图11中的检测1），再进行光学字符识别（例如，图11中的ocr1）处理。另一方面，数据集经过图像目标检测（例如，图11中的检测1），再经过图像分类（例如，图11中的分类1）处理。其中，图11中的检测1、ocr1和分类1可以认为是不同的功能控件。
144.如图12所示，示出了上述一方面处理流程中的检测1的示意图。检测1对应的图像目标检测用于定位出图像中特定的区域。例如，当前设置的是字符“9bc3”上方的区域。
145.如图13所示，示出了上述一方面处理流程中的ocr1的示意图。对于执行检测1之后定位出的区域进行字符识别。从图中可以看出，ocr1还可以对检测1输出的结果进行后处理，该后处理可以是将确定的区域进行固定量的偏移，使得定位到图中的字符“9bc3”区域。
146.应理解，上述后处理可以是对样本图像数据集进行4种处理之后的结果，进行进一步调整。例如，对处理之后的输出结果所对应的区域进行一定量的偏移或者缩放，使得输出结果对应的区域更加准确。
147.示例性的，当样本图像数据集经过图像分割处理之后，将图像分割成特定的区域，用户界面可显示被分割出的特定区域。用户可以直观地检查样本图像数据集是否分割准确，当分割的具体区域与用户需要被分割出的区域有所偏差时，可以在进一步调整图像分割处理对应的特定区域，使得该处理更加准确。
148.示例性的，当样本图像数据集经过图像分类之后，将图像分类成不同的区域。而根据预设的分类依据，可能对样本图像数据集的分类不准确，本不应该在同一类别的区域却被划分为同一类。用户可以通过进一步移动输出结果所对应的区域，实现对图像的分类的调整，使得样本图像数据集的分类更加准确。
149.示例性的，当样本图像数据集经过图像目标检测之后，标记了用户感兴趣的目标。例如，统计样本图像数据中用户感兴趣的目标的数量。当存在没有被图像目标检测处理统计到的目标时，用户可以进一步调整，手动标注出没有统计到的目标，以提高数量统计的准确性。
150.示例性的，当样本图像数据集经过光学字符识别之后，标记当前图像上的所有字符。但实际上，用户可能仅对当前图像上的数字字符感兴趣，可以对光学字符识别之后的区域做进一步的缩放处理，选择仅识别图像上的数字字符。
151.应理解，用户可以根据实际需要，对经过上述4种处理之后得到的数据进行进一步处理，对样本图像数据集进一步处理包括但不限于标记处理、样本选择处理、缩放处理、预处理。进一步处理可以理解为对处理之后的数据进行优化的过程，这可以使得最终训练得
到的模型能够更准确地进行数据处理。
152.如图14所示，示出了上述另一方面处理流程中的分类1的示意图。对于执行检测1之后定位出的区域进行分类。从图中可以看出，包括有单码和多码两种类型。其中图13中字符区域的“9bc3”是单码，图14中字符区域上下两个“9bd4”是多码。
153.为了便于理解，以找出部件上的缺陷为例，图15、图16和图17示出了数据集在另一树状结构模型中进行处理的示意图。
154.如图15所示，示出了该树状结构模型的处理流程。该处理流程包括：数据集经过图像目标检测（例如，图15中的检测1），再进行图像分割（例如，图15中的分割1）处理。其中，图15中的检测1和分割1可以认为是不同的功能控件。
155.如图16所示，示出了上述处理流程中的检测1的示意图。检测1对应的图像目标检测用于定位出图像中特定的区域。例如，当前设置的是图像中的二极管的位置。
156.如图17所示，示出了上述处理流程中的分割1的示意图。分割1对于定位后的二极管，进一步识别其中的缺陷区域，并将分割出缺陷区域。
157.如图18示出了本技术实施例提供的一种模型生成的方法1800。该方法可以应用于如图4所示的框架中。下面对该方法1800进行详细说明。
158.s1801，获取样本图像数据集。
159.应理解，本技术实施例对样品图像数据集的具体数量不作限定。
160.s1802，根据样本图像数据集确定树状结构的模型。
161.应理解，该树状结构包括n个层，n个层中的每个层包括至少一个节点，其中第1层的节点的输入为样本图像数据集，第i层的节点的输入为第i-1层中节点之一的输出，其中n为大于1的正整数，i=2，
…
，n；其中每个节点为以下控件之一：图像分割功能控件、图像分类功能控件、图像目标检测功能控件、光学字符识别功能控件。
162.本技术实施例对样品图像数据集的具体数量不作限定。该树状结构的该模型中的节点（功能控件）包括的功能控件的种类最多可以有以下4项：图像分割功能控件、图像分类功能控件、图像目标检测功能控件或光学字符识别功能控件。树状结构的模型中可以包含上述4种功能控件中的一个或者多个，同一功能控件也可以有一个或者多个，这样能够提供更加丰富的节点类型。用户可以根据实际情况，选择模型中的全部或者部分功能进行输出。该树状结构模型的每一层的任一个节点，仅与该节点的上一层的一个节点连接，不会与上一层的所有节点都连接。并且，每一层的节点之间没有连接，每一节点的输入都是与该节点连接的上一层节点的输出。
163.在一些实施例中，响应于用户的第一操作，显示树状结构的第k层的控件选项；响应于用户的第二操作，从第k层的控件选项中确定第k层的节点；根据所确定的第k层的节点，显示对样本图像数据集进行样本处理的工具；使用进行样本处理后的样本图像数据集，训练树状结构的模型，其中，k=1,2，
…
，n。
164.应理解，响应于用户的第一操作，显示树状结构的某一层的控件选项，该控件选项包括上述4种功能控件（节点类型）。通过用户的第二操作，从该4中功能控件中选择一个或者多个。并且，显示对样本图像数据集进行样本处理的工具，用户可使用该样本处理的工具对样本图像数据集进行一些辅助操作。
165.在一些实施例中，树状结构的模型包括第一子模型，第一子模型包括第m层和第m
1层，其中，第m层的节点为图像分割功能控件，第m 1层的节点为图像目标检测功能控件，其中m为小于n的正整数。
166.应理解，树状结构的模型可以包括多个子模型。第一子模型是多个子模型中的其中一个。该树状结构的模型中的任一功能控件都可以视为一个子模型。示例性的，第一子模型包括图像分割功能控件和图像目标检测功能控件。也就是说，第一子模型包括两个串联的功能控件。当然，本技术对第一子模型中包括的具体功能控件不作限定，该具体功能控件可以根据用户的实际需要而确定。
167.在一些实施例中，树状结构的模型包括第二子模型，第二子模型包括第m层、第m 1层和第m 2层，其中，第m层的节点为图像分割功能控件，第m 1层的节点为图像目标检测功能控件，第m 2层的节点为光学字符识别功能控件，其中m为小于n的正整数。
168.应理解，第一子模型中的图像目标检测功能控件之后又增加了光学字符识别功能控件，第二子模型包括第一子模型和新增加的光学字符识别功能控件。示例性的，第二子模型包括图像分割功能控件、图像目标检测功能控件和光学字符识别功能控件。当然，本技术对第二子模型中包括的具体功能控件不作限定，该具体功能控件可以根据用户的实际需要而确定。可以理解为，第二子模型与第一子模型串联，可以根据实际情况，选择第一子模型的输出数据或者第二子模型的输出数据作为最终的输出数据，也可以选择任一功能控件的输出数据作为最终的输出数据。
169.在一些实施例中，树状结构的模型包括第三子模型，第三子模型包括第j层和第j 1层，其中，第j层的节点为光学字符识别控件，第j 1层的节点为图像分类控件，其中j为小于n的正整数。
170.应理解，第三子模型与第一子模型（或者第二子模型）并联。示例性的，第三子模型包括光学字符识别功能控件和图像分类功能控件。当然，本技术对第三子模型中包括的具体功能控件不作限定，该具体功能控件可以根据用户的实际需要而确定。
171.可选地，用户可以根据实际需要，实时修改树状结构的模型。示例性的，当用户对第二子模型中的图像目标检测功能控件执行删除操作时，图像目标检测功能控件以及该功能控件之后的都可以被删除。也就是说，用户可以通过一次删除操作，删除相应的功能控件以及该功能控件之后的任一功能控件。能够提高模型生成的灵活性。
172.在一些实施例中，样本处理为以下处理之一：标记处理、样本选择处理、缩放处理、预处理。
173.在一些实施例中，图像分割功能控件对应的功能为基于深度学习的分割算法。
174.在本技术实施例中，提供了一种基于树状结构的模型生成方法。用户可以根据具体需求，选择不同的功能模块对数据进行处理，对于处理后的数据也可以选择多个分支功能进行下一步处理。该方法提高了模型生成的灵活性，从而能够应对较为复杂的数据处理的场景。同时，用户可以做根据具体需求，在用户界面上直观且方便地选择不同的功能模块，降低了用户学习和使用模型的难度。
175.本技术实施例提供一种计算机程序产品，当该计算机程序产品在电子设备运行时，使得电子设备执行上述实施例中的技术方案。其实现原理和技术效果与上述方法相关实施例类似，此处不再赘述。
176.本技术实施例提供一种可读存储介质，该可读存储介质包含指令，当该指令在电
子设备运行时，使得该电子设备执行上述实施例的技术方案。其实现原理和技术效果类似，此处不再赘述。
177.本技术实施例提供一种芯片，该芯片用于执行指令，当该芯片运行时，执行上述实施例中的技术方案。其实现原理和技术效果类似，此处不再赘述。
178.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术实施例的范围。
179.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
180.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
181.该作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
182.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
183.该功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例该方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
184.以上所述，仅为本技术实施例的具体实施方式，但本技术实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术实施例的保护范围之内。因此，本技术实施例的保护范围应以该权利要求的保护范围为准。