样本数据生成方法及装置、训练模型的方法及装置与流程

本申请涉及数据处理技术领域，具体而言，涉及一种样本数据生成方法及装置、训练模型的方法及装置。

背景技术：

对于机器学习，尤其是深度学习而言，大多数算法的运行均需要以大量的样本数据为基础。样本数据的丰富程度及准确性对于机器学习具有非常重要的意义。

例如，基于深度学习实现的语义分割需要使用大量的样本数据对神经网络模型进行训练，才能使训练后的神经网络模型能够获得较好的语义分割结果。其中，上述样本数据可以包括：大量的样本图片以及对样本图片内的物体按照物体类别进行精确语义分割后的图片。

尽管上述样本图片的数据量特别的大，但是，某类样本数据数量明显少于其他类样本数据数量，这种不平衡数据在研究工作中往往难以避免。上述数据不平衡现象与数据获取方式有着必然的联系，在相关技术中，不同的应用场景将获取到不同的原始图片集，且该原始图片集中的原始图片的尺寸通常非常大而无法匹配神经网络模型的尺寸，一般会对上述原始图片按照预设窗口大小进行遍历，以切片得到对应于原始图片集的样本数据。

然而，相关技术中由于无目的地进行图片切分以进行数据的获取，数据不平衡问题严重，从而导致小类别信息(很可能是有用的信息)在样本结构和特征维度两个层面被大类别信息掩盖，使得之后的语义分割往往难以学习到小类别信息而导致模型训练的精度较差。

技术实现要素：

有鉴于此，本申请实施例的目的在于提供一种样本数据生成方法及装置、训练模型的方法及装置，一定程度上避免数据不平衡的问题，通过构建平衡数据来提高模型训练的精度。

第一方面，本申请实施例提供了一种样本数据生成方法，所述方法包括：

获取样本图片，所述样本图片中包含多个目标类别；

确定所述样本图片中分布占比小于第一预设占比的第一目标类别，和/或分布占比大于第二预设占比的第二目标类别；

按照预设窗口大小对所述样本图片进行遍历，生成待分析切片；

按照预设筛选条件从待分析切片中确定样本数据，使得得到的样本数据符合如下条件：

针对以第一目标类别为筛选依据的情况，样本数据中包含第一目标类别的样本数据比例增多；针对以第二目标类别为筛选依据的情况，样本数据中包含第二目标类别的样本数据比例减少。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，针对以第一目标类别为筛选依据的情况，按照预设筛选条件从待分析切片中确定样本数据，包括：

确定待分析切片中所包含的第一目标类别在该待分析切片中的分布占比；

若确定的分布占比大于第一预设切片占比，则将该待分析切片确定为样本数据。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，针对以第二目标类别为筛选依据的情况，按照预设筛选条件从待分析切片中确定样本数据，包括：

确定待分析切片中所包含的第二目标类别在该待分析切片中的分布占比；

若确定的分布占比小于第二预设切片占比，则将该待分析切片确定为样本数据。

结合第一方面、第一方面的第一种可能的实施方式及第二种可能的实施方式中任一项可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，还包括：

对所述样本图片中的像素进行标注，得到标注图；其中，构成同一目标类别的像素具有相同的标注值；

根据所述标注图中不同目标类别对应的不同标注值，确定各目标类别在所述样本图片中的分布占比。

结合第一方面的第三种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，针对样本图片数量大于一的情况，根据所述标注图中不同目标类别对应的不同标注值，确定各目标类别在所述样本图片中的分布占比，包括：

针对不同目标类别，将该目标类别对应标注值在各样本图片分别对应的标注图中的总数量，与各样本图片分别对应的标注图中像素总数量的比值，确定为该目标类别在样本图片中的分布占比。

结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，其中，按照预设筛选条件从待分析切片中确定样本数据，包括：

针对按照指定预设窗口大小对所述样本图片进行遍历所生成的待分析切片，按照预设筛选条件从待分析切片中确定样本数据。

结合第一方面的第五种可能的实施方式，本申请实施例提供了第一方面的第六种可能的实施方式，其中，第一目标类别在所述样本图片中的分布占比和第二目标类别在所述样本图片中的分布占比之间的差值越大，指定预设窗口大小数量越多。

第二方面，本申请实施例还提供了一种基于第一方面、第一方面的第一种可能的实施方式至第六种可能的实施方式中任一项可能的实施方式生成的样本数据训练模型的方法，所述方法包括：

确定样本数据的标注样本数据；

将样本数据以及标注样本数据输入语义分割模型对所述语义分割模型进行训练；其中，所述语义分割模型用于实现语义分割。

第三方面，本申请实施例还提供了一种样本数据生成装置，所述装置包括：

样本图片获取模块，用于获取样本图片，所述样本图片中包含多个目标类别；

目标类别确定模块，用于确定所述样本图片中分布占比小于第一预设占比的第一目标类别，和/或分布占比大于第二预设占比的第二目标类别；

待分析切片获取模块，用于按照预设窗口大小对所述样本图片进行遍历，生成待分析切片；

样本数据生成模块，用于按照预设筛选条件从待分析切片中确定样本数据，使得得到的样本数据符合如下条件：

针对以第一目标类别为筛选依据的情况，样本数据中包含第一目标类别的样本数据比例增多；针对以第二目标类别为筛选依据的情况，样本数据中包含第二目标类别的样本数据比例减少。

第四方面，本申请实施例还提供了一种基于第三方面生成的样本数据训练模型的装置，所述装置包括：

标注数据确定模块，用于确定样本数据的标注样本数据；

语义分割模型训练模块，用于将样本数据以及标注样本数据输入语义分割模型对所述语义分割模型进行训练；其中，所述语义分割模型用于实现语义分割。

本申请实施例中，基于获取的样本图片，确定其中的第一目标类别和/或第二目标类别，并在按照预设窗口大小对上述样本图片进行遍历后，生成待分析切片，以能够按照分别针对以第一目标类别和第二目标类别为筛选依据时，确定包含第一目标类别的样本数据比例增多以及包含第二目标对应的样本数据比例减少的筛选条件从上述待分析切片中确定样本数据，也即，本申请实施例提高小类目标对象(也即第一目标类型对应的第一目标类别)在待分析切片中的比例的同时，降低大类目标对象(也即第二目标类型对应的第二目标类别)的比例，一定程度上避免数据不平衡的问题，构建的样本数据达到了大类目标对象和小类目标对象这两者的平衡，进一步使得基于构建的样本数据训练得到的模型的精度较高。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种样本数据生成方法的流程图；

图2示出了本申请实施例所提供的另一种样本数据生成方法的流程图；

图3示出了本申请实施例所提供的另一种样本数据生成方法的流程图；

图4示出了本申请实施例所提供的另一种样本数据生成方法的流程图；

图5示出了本申请实施例所提供的一种训练模型的方法流程图；

图6示出了本申请实施例所提供的一种样本数据生成装置的结构示意图；

图7示出了本申请实施例所提供的一种计算机设备的结构示意图；

图8示出了本申请实施例所提供的一种训练模型的装置示意图；

图9示出了本申请实施例所提供的另一种计算机设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

考虑到相关技术中由于无目的地进行图片切分以进行数据的获取，数据不平衡问题严重，从而导致小类别信息在样本结构和特征维度两个层面被大类别信息掩盖，使得之后的语义分割往往难以学习到小类别信息而导致模型训练的精度较差。基于此，本申请一种实施例中提出了一种样本数据生成方法，一定程度上避免数据不平衡的问题，且通过构建平衡数据来提高模型训练的精度，详见下述实施例。

参见图1，为本申请实施例提供的样本数据生成方法的流程图，应用于计算机设备，上述样本数据生成方法包括如下步骤：

s101、获取样本图片，样本图片中包含多个目标类别。

这里，样本图片可以是图像采集设备(如相机、摄像机等)摄取得到的图片，还可以是遥感器扫描得到的图片。本申请实施例中，除了可以从上述图像采集设备以及遥感器中直接获取样本图片，还可以是通过数据接口或者网络爬虫等方式获取的样本图片。针对数据接口层面而言，样本图片可以是从互联网网站(如中国资源卫星应用中心网站)精确开放的数据接口进行获取，针对网络爬虫而言，本申请实施例可以采用网络爬虫技术，如python(一种面向对象的解释型计算机程序设计语言)实现爬虫的功能，把想要获取的源代码中的样本图片爬取到本地的计算机设备。

s102、确定样本图片中分布占比小于第一预设占比的第一目标类别，和/或分布占比大于第二预设占比的第二目标类别。

这里，对于上述获取的样本图片，可以从该样本图片中包含的多个目标类别中，仅确定分布占比较小的第一目标类别，还可以仅确定分布占比较大的第二目标类别，还可以既确定第一目标类别又确定第二目标类别。其中，分布占比较小的第一目标类别可以为一个也可以为多个，类似的，分布占比较大的第二目标类别可以为一个也可以为多个，本申请实施例对此不做具体的限制。

另外，本申请实施例可以基于标注图中第一目标类别对应的标注值确定该第一目标类别的分布占比，还可以基于标注图中第二目标类别对应的标注值确定该第二目标类别的分布占比。其中，上述标注图是对样本图片中的像素进行标注后得到的。

例如，通过标注图确定出两个目标类别的分布占比为分别为10％和90％，若第一预设占比为15％，第二预设占比为85％，这样，确定分布占比为10％的目标类别为第一目标类别，确定分布占比为90％的目标类别为第二目标类别。

s103、按照预设窗口大小对样本图片进行遍历，生成待分析切片。

这里，本申请实施例中的遍历可以为多次，且每次遍历采用的预设窗口大小可以不同，这样，每次遍历均能够生成对应于预设窗口大小的待分析切片。

其中，上述预设窗口大小的指定数量与第一目标类别在样本图片中的分布占比和第二目标类别在样本图片中的分布占比之间的差值相关。在差值越大时，指定预设窗口大小数量越多，在差值越小时，指定预设窗口大小数量越少。

s104、按照预设筛选条件从待分析切片中确定样本数据，使得得到的样本数据符合如下条件：

针对以第一目标类别为筛选依据的情况，样本数据中包含第一目标类别的样本数据比例增多；针对以第二目标类别为筛选依据的情况，样本数据中包含第二目标类别的样本数据比例减少。

这里，样本数据是从遍历得到的待分析切片中筛选出的。为了确保分布占比较小的第一目标类别与分布占比较多的第二目标类别能够达到数据平衡，本申请实施例可以分如下两种情况进行样本数据的筛选。

第一种情况：以第一目标类别作为筛选依据，由于该第一目标类别是分布占比较小的目标类别，也即，该第一目标类别对应于劣势类别。为了实现数据平衡，本申请实施例可以使得从待分析切片中确定的样本数据中包含第一目标类别的样本数据比例增多。

第二种情况：以第二目标类别作为筛选依据，由于该第二目标类别是分布占比较多的目标类别，也即，该第二目标类别对应于优势类别。为了实现数据平衡，本申请实施例可以使得从待分析切片中确定的样本数据中包含第二目标类别的样本数据比例减少。

另外，还可以同时以第一目标类别和第二目标类别作为筛选依据，即使样本数据中包含第一目标类别的样本数据比例增多，同时，样本数据中包含第二目标类别的样本数据比例减少。

针对上述第一种情况而言，参见图2，上述s104对应的样本数据生成过程具体通过如下步骤实现：

s201、确定待分析切片中所包含的第一目标类别在该待分析切片中的分布占比；

s202、若确定的分布占比大于第一预设切片占比，则将该待分析切片确定为样本数据。

这里，本申请实施例首先确定待分析切片中包含的第一目标类别的分布占比，然后在确定出分布占比大于第一预设切片占比时，将该待分析切片确定为样本数据，在确定出分布占比小于或等于第一预设切片占比时，舍弃该待分析切片。也即是，对于待分析切片而言，只有在该待分析切片中的劣势类别(即第一目标类别)的分布占比足够大(大于第一预设切片占比)时，才保留对应的待分析切片，从而提高劣势类别对应的样本数据比例。

其中，上述第一预设切片占比可以基于第一预设占比来确定，上述第二预设切片占比可以基于第二预设占比来确定。

针对上述第二种情况而言，参见图3，上述s104对应的样本数据生成过程具体通过如下步骤实现：

s301、确定待分析切片中所包含的第二目标类别在该待分析切片中的分布占比；

s302、若确定的分布占比小于第二预设切片占比，则将该待分析切片确定为样本数据。

这里，本申请实施例首先确定待分析切片中包含的第二目标类别的分布占比，然后在确定出分布占比小于第二预设切片占比时，将该待分析切片确定为样本数据，在确定出分布占比大于或等于第二预设切片占比时，舍弃该待分析切片。也即是，对于待分析切片而言，只有在该待分析切片中的优势类别(即第二目标类别)的分布占比足够小(小于第二预设切片占比)时，才保留对应的待分析切片，从而减少优势类别对应的样本数据比例。

进一步地，综合图2和图3所示的方法，上述s104对应的样本数据生成过程也可以通过如下步骤实现：

步骤一、确定待分析切片中所包含的第一目标类别在该待分析切片中的分布占比；

步骤二、确定待分析切片中所包含的第二目标类别在该待分析切片中的分布占比；

步骤一、步骤二的执行没有严格的先后顺序。

步骤三、若确定的分布占比大于第一预设切片占比，且小于第二预设切片占比，则将该待分析切片确定为样本数据。

如图4所示，本申请实施例提供的样本数据生成方法通过如下步骤确定各目标类别在样本图片中的分布占比：

s401、对样本图片中的像素进行标注，得到标注图；其中，构成同一目标类别的像素具有相同的标注值；

s402、根据标注图中不同目标类别对应的不同标注值，确定各目标类别在样本图片中的分布占比。

这里，本申请实施例对样本图片按照像素级别进行标注，得到对应的标注图，然后基于标注图中不同目标类别对应的不同标注值，确定各目标类别在样本图片中的分布占比。接下来对确定第一目标类别和第二目标类别在样本图片中的分布占比的过程进行详细阐述。

对于第一目标类别而言，根据上述标注图中第一目标类别对应的标注值与标注图的像素数量之间的比值，确定第一目标类别在样本图片中的分布占比。另外，在样本图片的数量大于一时，可以根据第一目标类别对应标注值在各样本图片分别对应的标注图中的总数量，与各样本图片分别对应的标注图中像素总数量的比值，确定为上述第一目标类别在样本图片中的分布占比。

对于第二目标类别而言，根据上述标注图中第二目标类别对应的标注值与标注图的像素数量之间的比值，确定第二目标类别在样本图片中的分布占比。另外，在样本图片的数量大于一时，可以根据第二目标类别对应标注值在各样本图片分别对应的标注图中的总数量，与各样本图片分别对应的标注图中像素总数量的比值，确定为上述第二目标类别在样本图片中的分布占比。

本申请实施例提供的样本数据生成方法能够针对按照指定预设窗口大小对样本图片进行遍历所生成的待分析切片，按照预设筛选条件从待分析切片中确定样本数据。

具体的，本申请实施例中，可以按照多个预设窗口大小遍历多次。这样，在第一次遍历时，得到的待分析切片全部保留为样本数据，本申请实施例中，可以在第二次遍历时开始舍弃部分待分析切片，还可以在第三次遍历时开始舍弃部分待分析切片，还可以在第四次、第五次等遍历是开始舍弃。若第一目标类别在样本图片中的分布占比和第二目标类别在样本图片中的分布占比之间的差值越大，也即优势类别和劣势类别的差别越大，对应的数据不平衡现象也就越严重，此时可能在第二次遍历时候就开始舍弃部分待分析切片，那么对应指示的预设窗口大小数量也就越多。若第一目标类别在样本图片中的分布占比和第二目标类别在样本图片中的分布占比之间的差值越小，也即优势类别和劣势类别的差别不大，此时可能在第五次遍历时才开始舍弃部分待分析切片，那么对应指示的预设窗口大小数量也就越少。

基于上述实施例生成的样本数据，本申请实施例还提供了一种训练模型的方法，如图5所示，为本申请实施例提供的训练模型的方法的流程图，应用于计算机设备，上述训练模型的方法包括如下步骤：

s501、确定样本数据的标注样本数据；

s502、将样本数据以及标注样本数据输入语义分割模型对语义分割模型进行训练；其中，语义分割模型用于实现语义分割。

这里，在模型训练阶段，以样本数据作为待训练的语义分割模型的输入特征，以上述样本数据对应的标注样本数据作为输出结果，训练得到语义分割模型的参数信息，也即得到训练好的语义分割模型。本申请实施例可以采用神经网络模型作为语义分割模型，模型训练阶段也就是训练神经网络模型中一些未知的参数信息的过程。之后，就可以基于该语义分割模型为提供语义分割服务了，此时只需要将目标数据输入训练好的语义分割模型中即可得到对应的标注目标数据，基于该标注目标数据便可以复原出语义分割后的效果图。

基于同一发明构思，本申请实施例中还提供了与样本数据生成方法对应的样本数据生成装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述样本数据生成方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。如图6所示，为本申请实施例所提供的样本数据生成装置的结构示意图，该样本数据生成装置包括：

样本图片获取模块61，用于获取样本图片，样本图片中包含多个目标类别；

目标类别确定模块62，用于确定样本图片中分布占比小于第一预设占比的第一目标类别，和/或分布占比大于第二预设占比的第二目标类别；

待分析切片获取模块63，用于按照预设窗口大小对样本图片进行遍历，生成待分析切片；

样本数据生成模块64，用于按照预设筛选条件从待分析切片中确定样本数据，使得得到的样本数据符合如下条件：

针对以第一目标类别为筛选依据的情况，样本数据中包含第一目标类别的样本数据比例增多；针对以第二目标类别为筛选依据的情况，样本数据中包含第二目标类别的样本数据比例减少。

在一种可能的实施方式中，上述样本数据生成模块64，具体用于确定待分析切片中所包含的第一目标类别在该待分析切片中的分布占比；若确定的分布占比大于第一预设切片占比，则将该待分析切片确定为样本数据。

在另一种可能的实施方式中，上述样本数据生成模块64，具体用于确定待分析切片中所包含的第二目标类别在该待分析切片中的分布占比；若确定的分布占比小于第二预设切片占比，则将该待分析切片确定为样本数据。

上述样本数据生成装置还包括：

像素标注模块65，用于对样本图片中的像素进行标注，得到标注图；其中，构成同一目标类别的像素具有相同的标注值；

分布占比确定模块66，用于根据标注图中不同目标类别对应的不同标注值，确定各目标类别在样本图片中的分布占比。

在具体实施中，针对样本图片数量大于一的情况，上述分布占比确定模块66，具体用于针对不同目标类别，将该目标类别对应标注值在各样本图片分别对应的标注图中的总数量，与各样本图片分别对应的标注图中像素总数量的比值，确定为该目标类别在样本图片中的分布占比。

在又一种可能的实施方式中，上述样本数据生成模块64，具体用于针对按照指定预设窗口大小对样本图片进行遍历所生成的待分析切片，按照预设筛选条件从待分析切片中确定样本数据。

在具体实施中，第一目标类别在样本图片中的分布占比和第二目标类别在样本图片中的分布占比之间的差值越大，指定预设窗口大小数量越多。

如图7所示，为本申请实施例所提供的一种计算机设备的结构示意图，该计算机设备包括：处理器71、存储器72和总线73，存储器72存储执行指令，当装置运行时，处理器71与存储器72之间通过总线73通信，处理器71执行存储器72中存储的如下执行指令：

获取样本图片，样本图片中包含多个目标类别；

确定样本图片中分布占比小于第一预设占比的第一目标类别，和/或分布占比大于第二预设占比的第二目标类别；

按照预设窗口大小对样本图片进行遍历，生成待分析切片；

按照预设筛选条件从待分析切片中确定样本数据，使得得到的样本数据符合如下条件：

针对以第一目标类别为筛选依据的情况，样本数据中包含第一目标类别的样本数据比例增多；针对以第二目标类别为筛选依据的情况，样本数据中包含第二目标类别的样本数据比例减少。

在一种可能的实施方式中，上述处理器71，具体用于确定待分析切片中所包含的第一目标类别在该待分析切片中的分布占比；若确定的分布占比大于第一预设切片占比，则将该待分析切片确定为样本数据。

在另一种可能的实施方式中，上述处理器71，具体用于确定待分析切片中所包含的第二目标类别在该待分析切片中的分布占比；若确定的分布占比小于第二预设切片占比，则将该待分析切片确定为样本数据。

上述处理器71还用于，对样本图片中的像素进行标注，得到标注图；其中，构成同一目标类别的像素具有相同的标注值；根据标注图中不同目标类别对应的不同标注值，确定各目标类别在样本图片中的分布占比。

在具体实施中，针对样本图片数量大于一的情况，上述处理器71，具体用于针对不同目标类别，将该目标类别对应标注值在各样本图片分别对应的标注图中的总数量，与各样本图片分别对应的标注图中像素总数量的比值，确定为该目标类别在样本图片中的分布占比。

在又一种可能的实施方式中，上述处理器71，具体用于针对按照指定预设窗口大小对样本图片进行遍历所生成的待分析切片，按照预设筛选条件从待分析切片中确定样本数据。

在具体实施中，第一目标类别在样本图片中的分布占比和第二目标类别在样本图片中的分布占比之间的差值越大，上述处理器71指定预设窗口大小数量越多。

基于同一发明构思，本申请实施例中还提供了与训练模型的方法对应的训练模型的装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述训练模型的方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。如图8所示，为本申请实施例所提供的训练模型的装置示意图，该训练模型的装置包括：

标注数据确定模块81，用于确定样本数据的标注样本数据；

语义分割模型训练模块82，用于将样本数据以及标注样本数据输入语义分割模型对语义分割模型进行训练；其中，语义分割模型用于实现语义分割。

如图9所示，为本申请实施例所提供的一种计算机设备的结构示意图，该计算机设备包括：处理器91、存储器92和总线93，存储器92存储执行指令，当装置运行时，处理器91与存储器92之间通过总线93通信，处理器91执行存储器92中存储的如下执行指令：

确定样本数据的标注样本数据；

将样本数据以及标注样本数据输入语义分割模型对语义分割模型进行训练；其中，语义分割模型用于实现语义分割。

本申请实施例所提供的样本数据生成方法、训练模型的方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。

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，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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，本申请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)执行本申请各个实施例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(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。