The smart camera network collaboratively acquires images on wireless networks. The network automatically captures images based on triggering. The trigger can include messages from other image capturing devices. Based on the message from at least one other image capturing device, the first image capturing device is triggered to acquire the image.
【技术实现步骤摘要】
【国外来华专利技术】在无线网络中管理众包摄影背景领域本公开的某些方面一般涉及机器学习,尤其涉及在无线网络上管理多媒体的系统和方法,包括经由协作式摄影机制来自动地捕捉图像。背景可包括一群互连的人工神经元(例如,神经元模型)的人工神经网络是一种计算设备或者表示将由计算设备执行的方法。卷积神经网络是一种前馈人工神经网络。卷积神经网络可包括神经元集合,其中每一个神经元具有感受野并且共同地拼出一输入空间。卷积神经网络(CNN)具有众多应用。具体而言,CNN已被广泛使用于模式识别和分类领域。深度学习架构(诸如深度置信网络和深度卷积网络)是分层神经网络架构,其中第一层神经元的输出变成第二层神经元的输入,第二层神经元的输出变成第三层神经元的输入,依此类推。深度神经网络可被训练以识别特征阶层并且因此它们已被越来越多地用于对象识别应用。类似于卷积神经网络,这些深度学习架构中的计算可分布在处理节点群体上,其可被配置在一个或多个计算链中。这些多层架构可每次训练一层并可使用反向传播微调。其他模型也可用于对象识别。例如,支持向量机(SVM)是可被应用于分类的学习工具。支持向量机包括对数据进行归类的分离超平面(例如,决策边界)。该超平面由监督式学习来定义。期望的超平面增加训练数据的裕量。换言之,超平面应该具有到训练示例的最大的最小距离。尽管这些解决方案在数个分类基准上达到了优异的结果,但它们的计算复杂度可能极其高。另外,模型的训练可能是有挑战性的。概述在一个方面,公开了一种协作式摄影的方法。该方法包括至少部分地基于来自至少一个其他图像捕捉设备的消息来触发第一图像捕捉设备获取图像。另一方面公开了一种用于协作式 ...
【技术保护点】
一种协作式摄影的方法,包括:至少部分地基于来自至少一个其他图像捕捉设备的消息来触发第一图像捕捉设备获取图像。
【技术特征摘要】
【国外来华专利技术】2015.09.17 US 14/857,6301.一种协作式摄影的方法,包括:至少部分地基于来自至少一个其他图像捕捉设备的消息来触发第一图像捕捉设备获取图像。2.如权利要求1所述的方法,其特征在于,所述消息至少部分地基于特定运动序列、场景内的实体的身份、位置数据、行为模式、合成、和/或时间数据来导出。3.如权利要求1所述的方法,其特征在于,所述消息至少部分地基于对特定运动序列、场景内的实体的身份、位置数据、行为模式、合成、和/或时间数据的预测来导出。4.如权利要求1所述的方法,其特征在于,所述消息包括相机设置、方向指令、以及对要捕捉的场景的描述中的至少一者。5.如权利要求1所述的方法,其特征在于,所述第一图像捕捉设备包括解析所述消息的模块。6.如权利要求1所述的方法,其特征在于,所述触发进一步至少部分地基于深度神经网络的输出。7.一种用于协作式摄影的装备,包括:用于至少部分地基于来自至少一个其他图像捕捉设备的消息来触发第一图像捕捉设备获取图像的装置;以及用于获取所述图像的装置。8.如权利要求7所述的装备,其特征在于,所述消息至少部分地基于特定运动序列、场景内的实体的身份、位置数据、行为模式、合成、和/或时间数据来导出。9.如权利要求7所述的装备,其特征在于,所述消息至少部分地基于对特定运动序列、场景内的实体的身份、位置数据、行为模式、合成、和/或时间数据的预测来导出。10.如权利要求7所述的装备,其特征在于,所述消息包括相机设置、方向指令、以及对要捕捉的场景的描述中的至少一者。11.如权利要求7所述的装备,其特征在于,所述第一图像捕捉设备包括解析所述消息的模块。12.如权利要求7所述的装备,其特征在于,所述用于触发的装置进一步至少部分地基于深度神经网络的输出。13.一种用于协作式摄影的装置,包括:存储器;以及耦合到所述存储器的至少一个处理器,所述至少...
【专利技术属性】
技术研发人员:S·马宗达,R·B·托瓦,M·A·刘易斯,
申请(专利权)人:高通股份有限公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。