标注样本的方法及装置、电子设备、存储介质

技术领域

本申请涉及深度学习技术领域，例如涉及一种标注样本的方法及装置、电子设备、存储介质。

背景技术

目前，随着科技的进步人工智能的研究越来越深入，机器学习是现阶段实现人工智能的主要手段。而深度学习凭借着自动提取特征、神经网络结构、端到端学习等优势，成为当今热门的算法架构。并且，深度学习在图像和语音领域的使用效果最佳。例如，当采用深度学习处理10000*10000像素的大图幅遥感影像时，一般是将图幅大的遥感影像裁剪为300*300像素的小图，并且在每张小图之间取一定交叠阈值，以避免大图中的目标分割在两张不同的小图中。然后对每张小图中的目标依次进行标注，并将标注样本输入神经网络中进行训练。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：由于不同的神经网络对输入网络中的图像尺寸有不同的要求，如果将大图幅的遥感影像切割成小图后，再对小图中的目标对象进行标注，那么产生的标注样本只能够满足一种神经网络的要求，进而导致产生的标注样本无法在多个尺寸要求不同的神经网络中复用。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种标注样本的方法及装置、电子设备、存储介质，以解决根据图像生成的标注样本无法在多个尺寸要求不同的神经网络中复用的技术问题。

在一些实施例中，所述标注样本的方法包括：按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像；所述待标注图像的尺寸小于所述原始图像的尺寸；将每个待标注图像中的标注坐标转换成在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像；所述标注坐标为对待标注图像中的目标对象进行标注所得到的标记的坐标。

在一些实施例中，所述方法包括：按照设定的待限定尺寸在原始图像中限定出至少一个备选待标注图像，通过设定的外扩比例对备选待标注图像进行外扩，获得待标注图像。

在一些实施例中，所述方法包括：确定待标注图像中的目标对象是否被标注；待标注图像中的目标对象被标注后，在待标注图像中存在目标对象对应的标记；在待标注图像中的目标对象被标注的情况下，显示目标对象对应的标记。

在一些实施例中，所述方法包括：确定待标注图像中是否存在目标对象对应的标记；在待标注图像中存在目标对象对应的标记时，确定待标注图像中的目标对象被标注；在待标注图像中不存在目标对象对应的标记时，确定待标注图像中的目标对象未被标注。

在一些实施例中，所述方法包括：对每个待标注图像中的每个标记点，分别获取其在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像：

其中，计算(x

在一些实施例中，所述方法包括：基于所述包含有绝对坐标的原始图像生成样本图像；所述样本图像的尺寸小于所述包含有绝对坐标的原始图像的尺寸。

在一些实施例中，所述方法包括：将所述样本图像输入预设的神经网络模型进行训练。

在一些实施例中，所述标注样本的装置包括：限定模块，被配置为按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像；所述待标注图像的尺寸小于所述原始图像的尺寸；转换模块，被配置为将每个待标注图像中的标注坐标转换成在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像；所述标注坐标为对待标注图像中的目标样本进行标注所得到的标注的坐标。

在一些实施例中，所述电子设备包括：处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行上述标注样本的方法。

在一些实施例中，所述存储介质存储有程序指令，所述程序指令在运行时，执行上述标注样本的方法。

本公开实施例提供的标注样本的方法及装置、电子设备、存储介质，可以实现以下技术效果：通过设定的待限定尺寸在原始图像中限定出至少一个待标注图像，将每个待标注图像中的标注坐标转换成在原始图像中的绝对坐标，并获得包含有绝对坐标的原始图像。这样，使得待标注图像中目标对象的标注坐标能够直接显示在原始图像中。进而在进行深度学习时，能够根据目标对象的标注坐标和神经网络模型的图像尺寸需求对原始图像进行切割，从而实现带有目标对象绝对坐标的原始图像能够在多个尺寸要求不同的神经网络模型中复用的效果。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

图1是本公开实施例提供的一个标注样本的方法的流程示意图；

图2是本公开实施例提供的另一个标注样本的方法的流程示意图；

图3是本公开实施例提供的另一个标注样本的方法的流程示意图；

图4是本公开实施例的一个应用示意图；

图5是本公开实施例的另一个应用示意图；

图6是本公开实施例的另一个应用示意图；

图7是本公开实施例提供的一个标注样本的装置的结构示意图；

图8是本公开实施例提供的一个电子设备的结构示意图。

具体实施方式

为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。

本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

除非另有说明，术语“多个”表示两个或两个以上。

本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

术语“对应”可以指的是一种关联关系或绑定关系，A与B相对应指的是A与B之间是一种关联关系或绑定关系。

本公开实施例提供的标注样本的方法应用于电子设备。在一些实施例中，电子设备为计算机或服务器。

结合图1所示，本公开实施例提供一种标注样本的方法，包括：

步骤S101，电子设备按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像；所述待标注图像的尺寸小于所述原始图像的尺寸。

步骤S102，电子设备将每个待标注图像中的标注坐标转换成在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像；所述标注坐标为对待标注图像中的目标对象进行标注所得到的标记的坐标。

其中，原始图像是待进行深度学习的图像。待标注图像是按照设定的待限定尺寸在原始图像中限定出的尺寸小于原始图像的图像。目标对象是在待标注图像中，深度学习的对象。例如，原始图像是遥感影像。待标注图像是按照设定的待限定尺寸在遥感影像中限定出的尺寸小于遥感影像的图像。目标对象是遥感影像中的树木、建筑或人。

采用本公开实施例提供的标注样本的方法，通过设定的待限定尺寸在原始图像中限定出至少一个待标注图像，将每个待标注图像中的标注坐标转换成在原始图像中的绝对坐标，并获得包含有绝对坐标的原始图像。这样，使得待标注图像中目标对象的标注坐标能够直接显示在原始图像中，进而在进行深度学习时，能够根据目标对象的标注坐标和神经网络模型的图像尺寸需求对原始图像进行切割，从而实现带有目标对象绝对坐标的原始图像能够在多个尺寸要求不同的神经网络模型中复用的效果。

进一步的，电子设备按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像，包括：电子设备按照设定的待限定尺寸在原始图像中限定出至少一个备选待标注图像。电子设备通过设定的外扩比例对备选待标注图像进行外扩，获得待标注图像。这样，通过设定的外扩比例能够将备选待标注图像的限定范围变大，进而能够更好地将备选待标注图像中的目标对象限定在待标注图像中。

在一些实施例中，如图4所示，图4包括原始图像400。电子设备按照设定的待限定尺寸在原始图像400中限定出至少一个备选待标注图像401，备选待标注图像401按照设定的外扩比例将限定范围变大，进而得到待标注图像402。

结合图2所示，本公开实施例提供另一种标注样本的方法，包括：

步骤S201，电子设备按照设定的待限定尺寸在原始图像中限定出至少一个备选待标注图像。

步骤S202，电子设备通过设定的外扩比例对备选待标注图像进行外扩，获得待标注图像。

步骤S203，电子设备将每个待标注图像中的标注坐标转换成在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像。

这样，通过设定的外扩比例能够将备选待标注图像的限定范围变大，进而能够更好地将备选待标注图像中的目标对象限定在待标注图像中。

可选地，电子设备按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像后，还包括：电子设备确定待标注图像中的目标对象是否被标注。待标注图像中的目标对象被标注后，在待标注图像中存在目标对象对应的标记。在待标注图像中的目标对象被标注的情况下，电子设备显示目标对象对应的标记。这样，在待标注图像中生成并显示标注后的目标对象对应的标记，能够更好地提示待标注图像中的目标对象是否被标记。

可选地，电子设备确定待标注图像中的目标对象是否被标注，包括：电子设备确定待标注图像中是否存在目标对象对应的标记。在待标注图像中存在目标对象对应的标记时，电子设备确定待标注图像中的目标对象被标注。在待标注图像中不存在目标对象对应的标记时，电子设备确定待标注图像中的目标对象未被标注。这样，通过对待标注图像中被标注的目标对象生成对应的标记能够更好地判断目标对象是否被标注。

可选地，每个标记包括至少一个标记点。在一些实施例中，标记能够为目标样本被标注后在待标注图像中生成的标注框。这样，每个标记包括至少一个标记点，使得电子设备能够更好地确定待标注图像中是否存在目标对象对应的标记，避免一个标记点存在于待标注图像的边界中难以被识别。

可选地，电子设备将每个待标注图像中的标注坐标转换成在原始图像中的绝对坐标，获得包含有绝对坐标的原始图像，包括：电子设备对每个待标注图像中的每个标记点，分别获取其在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像。

其中，计算(x

结合图3所示，本公开实施例提供又一种标注样本的方法，包括：

步骤S301，电子设备按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像。

步骤S302，电子设备确定待标注图像中的目标对象是否被标注。

步骤S303，电子设备在待标注图像中的目标对象被标注的情况下，显示目标对象对应的标记。

步骤S304，电子设备将每个待标注图像中的标注坐标转换成在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像。

在待标注图像中的目标对象被标注的情况下，电子设备显示目标对象对应的标记。这样，在待标注图像中生成并显示标注后的目标对象对应的标记，能够更好地提示待标注图像中的目标对象是否被标记。

可选地，电子设备获得包含有绝对坐标的原始图像之后，还包括：电子设备基于所述包含有绝对坐标的原始图像生成样本图像。样本图像的尺寸小于包含有绝对坐标的原始图像的尺寸。这样，通过包含有绝对坐标的原始图像生成样本图像时，能够根据目标对象的尺寸生成适合的样本图像尺寸，避免目标对象无法完成在样本图像中显示影响神经网络的训练效果。

可选地，电子设备基于包含有绝对坐标的原始图像生成样本图像，包括：电子设备按照预设的神经网络模型的图像尺寸需求，对包含有绝对坐标的原始图像进行分割，得到样本图像。这样，通过先生成包含有绝对坐标的原始图像的方式，使得在对原始图像进行切割时，能够按照预设的神经网络模型的图像尺寸需求来对原始图像进行切割，使得生成的样本图像能够适用于不同的神经网络模型。

可选地，电子设备基于包含有绝对坐标的原始图像生成样本图像后，还包括：电子设备将样本图像输入预设的神经网络模型进行训练。

在一些实施例中，电子设备按照设定的限定尺寸对遥感影像的原始图像进行限定并显示。设定的限定尺寸包括：待标注图像的重叠比例、待标注图像的尺寸。电子设备按照设定的待限定尺寸在遥感影像的原始图像中限定出至少一个备选待标注图像，电子设备通过设定的外扩比例对备选待标注图像进行外扩，获得待标注图像。其中，外扩比例可以是自定义的，以使得选定的外扩比例能够包括目标对象，避免目标对象在待标注图像中显示不全。结合图4所示，电子设备按照设定的待限定尺寸在原始图像400中限定出至少一个备选待标注图像401，备选待标注图像401按照设定的外扩比例将图像的限定范围变大，进而得到待标注图像402。若在原始图像中限定出的待标注图像边界超过原始图像边界，则用黑色对超过原始图像边界的部分进行填充。如图5所示，原始图像500，被按照设定的待限定尺寸限定出一个备选待标注图像501。备选待标注图像501按照设定的外扩比例将图像的限定范围变大，进而得到待标注图像502。在待标注图像中，将待标注图像超过原始图像的边界的部分确定为填充区域。如图5中的阴影部分即为填充区域503。若限定出的待标注图像边界未超过原始图像边界，则按照设定的重叠比例以及设定的待标注图像尺寸在原始图像中限定出下一待标注图像。每个待标注图像中的目标对象被标注后，能够得到标注坐标，标注坐标为对待标注图像中的目标对象进行标注所得到的标注框的坐标。

电子设备确定待标注图像中的目标对象是否被标注。待标注图像中的目标对象被标注后，在待标注图像中存在目标对象对应的标注框。在待标注图像中的目标对象被标注的情况下，电子设备显示目标对象对应的标注框。结合图6所示，图6中的原始图像600，被按照设定的待限定尺寸限定出两个备选待标注图像，分别为第一备选待标注图像601和第二备选待标注图像603。第一备选待标注图像601按照设定的外扩比例将图像的限定范围变大，进而得到第一待标注图像602。图6中的第二备选待标注图像603按照设定的外扩比例将图像的限定范围变大，进而得到第二待标注图像604。其中，第一待标注图像602与第二待标注图像604存在重叠。若第一待标注图像602中存在已经被标注的目标对象，当第二待标注图像604中再次出现上述被标注的目标对象时，电子设备在第二待标注图像604中显示上述被标注的目标对象对应的标注框。若第一待标注图像602中的目标对象已被标注且在第二待标注图像604中全部显示，则在第二待标注图像604中显示上述被标注的目标对象的全部标注框。这样，避免造成重复标注。若第一待标注图像602中的目标对象已被标注且在第二待标注图像604中部分显示，则在第二待标注图像604中显示上述被标注的目标对象的部分标注框。在所有待标注图像中的目标对象全部被标注后，电子设备将每个待标注图像中的标注坐标转换成在所述原始图像中的绝对坐标，获得包含有绝对坐标的原始图像，并在原始图像中显示目标对象对应的标注框。标注坐标为对待标注图像中的目标对象进行标注所得到的标注框的坐标。通过将每个待标注图像中目标对象的标注坐标转换成在原始图像中的绝对坐标，使得待标注图像中目标对象的标注坐标能够直接显示在原始图像中，进而在进行深度学习时，能够根据目标对象的尺寸和神经网络模型的图像尺寸需求进行样本图像交叠阈值的选取以及原始图像的切割尺寸，从而实现带有目标对象绝对坐标的原始图像能够在多个尺寸要求不同的神经网络模型中复用的效果，并且避免了先对原始图像进行切割导致的样本图像中的目标对象无法完整显示。同时，通过将待标注图像中目标对象的标注坐标转换成原始图像中的绝对坐标，使得存储时只需存储带有目标对象绝对坐标的原始图像，避免了重复存储，实现节省存储空间的效果。

结合图7所示，本公开实施例提供一种标注样本的装置700，包括限定模块701和转换模块702。限定模块701被配置为按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像，待标注图像的尺寸小于原始图像的尺寸。转换模块702被配置为将每个待标注图像中的标注坐标转换成在原始图像中的绝对坐标，获得包含有绝对坐标的原始图像，标注坐标为对待标注图像中的目标样本进行标注所得到的标注的坐标。

采用本公开实施例提供的标注样本的装置，使得待标注图像中目标对象的标注坐标能够直接显示在原始图像中，进而在进行深度学习时，能够根据目标对象的标注坐标和神经网络模型的图像尺寸需求对原始图像进行切割，从而实现带有目标对象绝对坐标的原始图像能够在多个尺寸要求不同的神经网络模型中复用的效果。

进一步的，限定模块被配置为通过以下方式按照设定的待限定尺寸在原始图像中限定出至少一个待标注图像：按照设定的待限定尺寸在原始图像中限定出至少一个备选待标注图像，通过设定的外扩比例对备选待标注图像进行外扩，获得待标注图像。

可选地，标注样本的装置还包括，确定模块和显示模块。确定模块被配置为确定待标注图像中的目标对象是否被标注；待标注图像中的目标对象被标注后，在待标注图像中存在目标对象对应的标记。显示模块被配置为在待标注图像中的目标对象被标注的情况下，显示目标对象对应的标记。

可选地，确定模块被配置为通过以下方式确定待标注图像中的目标对象是否被标注：确定待标注图像中是否存在目标对象对应的标记；在待标注图像中存在目标对象对应的标记时，确定待标注图像中的目标对象被标注；在待标注图像中不存在目标对象对应的标记时，确定待标注图像中的目标对象未被标注。

每个标记包括至少一个标记点。转换模块被配置为被配置为通过以下方式将每个待标注图像中的标注坐标转换成在原始图像中的绝对坐标，获得包含有绝对坐标的原始图像：对每个待标注图像中的每个标记点，分别获取其在原始图像中的绝对坐标，获得包含有绝对坐标的原始图像：

其中，计算(x

x

可选地，标注样本的装置还包括，生成模块。生成模块被配置为基于包含有绝对坐标的原始图像生成样本图像；样本图像的尺寸小于包含有绝对坐标的原始图像的尺寸。

可选地，标注样本的装置还包括，输入模块。输入模块被配置为将样本图像输入预设的神经网络模型进行训练。

结合图8所示，本公开实施例提供一种电子设备804，包括处理器(processor)800和存储器(memory)801。可选地，该电子设备还可以包括通信接口(CommunicationInterface)802和总线803。其中，处理器800、通信接口802、存储器801可以通过总线803完成相互间的通信。通信接口802可以用于信息传输。处理器800可以调用存储器801中的逻辑指令，以执行上述实施例的标注样本的方法。

此外，上述的存储器801中的逻辑指令可以通过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。

存储器801作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器800通过运行存储在存储器801中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中标注样本的方法。

存储器801可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；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器801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。

本公开实施例提供了一种存储介质，存储有程序指令，程序指令在运行时，执行上述的标注样本的方法。

上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。

本公开实施例的技术方案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，包括一个或多个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)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。

本领域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，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述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。

本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，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，所述单元的划分，可以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。另外，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。所述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。另外，在本公开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。

附图中的流程图和框图显示了根据本公开实施例的系统、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、程序段或代码的一部分，所述模块、程序段或代码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，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤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，这可以依所涉及的功能而定。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。