一种场景数据采集方法、场景数据采集装置及电子设备制造方法及图纸

本申请公开了一种场景数据采集方法、场景数据采集装置、电子设备及计算机可读存储介质，其中，该场景数据采集方法包括：获取用户感兴趣的场景图片，其中，不同场景类别下的所述场景图片的数量不超过预设的第一阈值；将所述场景图片输入至已经训练好的卷积神经网络模型中进行迁移学习；通过随机梯度下降法对所述卷积神经网络模型的参数进行调整，直至所述卷积神经网络模型的代价函数小于预设的第二阈值，以获得迁移学习所得到的新的卷积神经网络模型；根据新的卷积神经网络模型对待处理的图片数据进行处理，以提取得到基于所述待处理的图片数据的目标场景数据集。本申请可以提高场景数据采集的效率，缩短识别少量感兴趣场景的项目开发周期。

【技术实现步骤摘要】
一种场景数据采集方法、场景数据采集装置及电子设备
本申请属于多媒体
，尤其涉及一种场景数据采集方法、场景数据采集装置、电子设备及计算机可读存储介质。
技术介绍
当前的场景数据采集有两种方式，一种是通过爬虫软件在网上采集场景的照片，一种是人工拍摄场景照片。这两种方法都费时费力，并且在通过这两种方法得到了场景照片之后，还要经过大量细致的人工挑选才能形成深度和广度俱佳的数据集。但是对于仅对少量场景感兴趣，项目开发周期短的工业界来说，这样的数据采集方法效率过低，无法满足用户的需求。
技术实现思路
有鉴于此，本申请提供了一种场景数据采集方法、场景数据采集装置、电子设备及计算机可读存储介质，可以提高场景数据采集的效率，缩短识别少量感兴趣场景的项目开发周期。本申请的第一方面提供了一种场景数据采集方法，上述场景数据采集方法包括：获取用户感兴趣的场景图片，其中，不同场景类别下的上述场景图片的数量不超过预设的第一阈值；将上述场景图片输入至已经训练好的卷积神经网络模型中进行迁移学习；通过随机梯度下降法对上述卷积神经网络模型的参数进行调整，直至上述卷积神经网络模型的代价函数小于预设的第二阈值，以获得迁移学本文档来自技高网...

【技术保护点】
1.一种场景数据采集方法，其特征在于，包括：获取用户感兴趣的场景图片，其中，不同场景类别下的所述场景图片的数量不超过预设的第一阈值；将所述场景图片输入至已经训练好的卷积神经网络模型中进行迁移学习；通过随机梯度下降法对所述卷积神经网络模型的参数进行调整，直至所述卷积神经网络模型的代价函数小于预设的第二阈值，以获得迁移学习所得到的新的卷积神经网络模型；根据新的卷积神经网络模型对待处理的图片数据进行处理，以提取得到基于所述待处理的图片数据的目标场景数据集。

【技术特征摘要】
1.一种场景数据采集方法，其特征在于，包括：获取用户感兴趣的场景图片，其中，不同场景类别下的所述场景图片的数量不超过预设的第一阈值；将所述场景图片输入至已经训练好的卷积神经网络模型中进行迁移学习；通过随机梯度下降法对所述卷积神经网络模型的参数进行调整，直至所述卷积神经网络模型的代价函数小于预设的第二阈值，以获得迁移学习所得到的新的卷积神经网络模型；根据新的卷积神经网络模型对待处理的图片数据进行处理，以提取得到基于所述待处理的图片数据的目标场景数据集。2.如权利要求1所述的场景数据采集方法，其特征在于，在所述根据新的卷积神经网络模型对待处理的图片数据进行处理，以提取得到基于所述待处理的图片数据的目标场景数据集之后，还包括：输出所述目标场景数据集中的场景数据；若接收到基于所述目标场景数据集输入的筛除指令，则从所述目标场景数据集中筛除所述筛除指令所指向的场景数据。3.如权利要求1所述的场景数据采集方法，其特征在于，在所述获取用户感兴趣的场景图片之后，还包括：对所述场景图片进行聚类分析；基于聚类分析的结果，对所述场景图片进行场景分类，获得各个场景图片的所属场景；相应地，所述将所述场景图片输入至已经训练好的卷积神经网络模型中进行迁移学习，包括：根据各个场景图片的所属场景，将所述场景图片输入至已经训练好的卷积神经网络模型中进行迁移学习。4.如权利要求1至3任一项所述的场景数据采集方法，其特征在于，所述场景数据采集方法还包括：获取待训练的卷积神经网络模型；定义所述待训练的卷积神经网络模型的代价函数；将预设的训练集输入至所述待训练的卷积神经网络模型中；通过随机梯度下降法对所述待训练的卷积神经网络模型的参数进行调整，直至所述待训练的卷积神经网络模型的代价函数小于预设的第三阈值时，确定所述卷积神经网络模型已训练完成。5.如权利要求1至3任一项所述的场景数据采集方法，其特征在于，所述根据新的卷积神经网络模型对待处理的图片数据进行处理，以...

【专利技术属性】
技术研发人员：张弓，
申请(专利权)人：OPPO重庆智能科技有限公司，
类型：发明
国别省市：重庆,50