图像拍摄方法、图像分类模型训练方法、装置及电子设备制造方法及图纸

本公开提供了一种图像拍摄方法、图像分类模型训练方法、装置及电子设备，涉及人工智能技术、车联网技术领域，尤其涉及机器学习、计算机视觉技术领域。具体实现方案为：基于训练的目标图像分类模型确定拍摄的图像的类型，以及根据确定的图像的类型确定是否为想要的图像，当为用户想要的图像时，则进行存储，从而仅当拍摄的图像的类型为用户想要的类型时，才进行存储，减少了拍摄的图像所占用的内存空间；此外，目标图像分类模型是基于用户选定的欲存储的图像类型以及各图像类型对应的图像训练得到，从而提升了训练的目标图像分类模型与用户的关联性，基于该目标图像分类模型确定的分类结果与用户所期待的结果的匹配度更高。结果与用户所期待的结果的匹配度更高。结果与用户所期待的结果的匹配度更高。

【技术实现步骤摘要】
图像拍摄方法、图像分类模型训练方法、装置及电子设备


[0001]本公开涉及人工智能
，尤其涉及计算机视觉、机器学习


技术介绍

[0002]随着智能汽车的普及，人们与汽车结合的场景越来越多，人们对生活场景的拍照记录也变得越来越普遍，如何在开车的时候能够拍到沿途的照片，如风景照、人文照、豪车等，也逐渐演变人们对车生活的一种新需求。

技术实现思路

[0003]本公开提供了一种图像拍摄方法、图片分类模型训练方法、装置及电子设备。
[0004]根据本公开的第一方面，提供了一种图像拍摄方法，包括：
[0005]确定图像采集装置拍摄得到的待识别图像；
[0006]基于预训练的目标图像分类模型确定待识别图像的类型；
[0007]如果待识别图像的类型为用户欲存储的类型，则将待识别图像进行存储。
[0008]根据本公开的第二方面，提供了一种图像分类模型训练方法，包括：
[0009]接收上传的用户欲存储的图像类型以及各图像类型对应的图像；
[0010]基于上传的用户欲存储的图像类型以及各图像类型对应的图像，训练得到目标图像分类模型；
[0011]发送训练得到的目标图像分类模型。
[0012]根据本公开的第三方面，提供了一种图像拍摄装置，包括：
[0013]第一确定模块，用于确定图像采集装置拍摄得到的待识别图像；
[0014]第二确定模块，用于基于预训练的目标图像分类模型确定待识别图像的类型；
[0015]存储模块，用于如果待识别图像的类型为用户欲存储的类型，则将待识别图像进行存储。
[0016]根据本公开的第四方面，提供了一种图像分类模型训练装置，包括：
[0017]接收模块，用于接收上传的用户欲存储的图像类型以及各图像类型对应的图像；
[0018]训练模块，用于基于上传的用户欲存储的图像类型以及各图像类型对应的图像，训练得到目标图像分类模型；
[0019]发送模块，用于发送训练得到的目标图像分类模型。
[0020]根据本公开的第五方面，提供了一种电子设备，该电子设备包括：
[0021]至少一个处理器；以及
[0022]与上述至少一个处理器通信连接的存储器；其中，
[0023]存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。
[0024]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述方法。
[0025]根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述方法。
[0026]本公开提供的技术方案带来的有益效果是：
[0027]本公开实施例提供的方案，与现有技术用户需要停车或者分心驾驶才能拍摄沿途照片，存在安全问题，或者用户需要翻看图像采集设备拍摄的视频才能找到想要的图片，效率较低相比。本公开通过确定图像采集装置拍摄得到的待识别图像；基于预训练的目标图像分类模型确定待识别图像的类型；如果待识别图像的类型为用户欲存储的类型，则将待识别图像进行存储。即基于训练的目标图像分类模型确定拍摄的图像的类型，以及根据确定的图像的类型确定是否为想要的图像，当为用户想要的图像时，则进行存储，从而仅当拍摄的图像的类型为用户想要的类型时，才进行存储，减少了拍摄的图像所占用的内存空间；此外，目标图像分类模型是基于用户选定的欲存储的图像类型以及各图像类型对应的图像训练得到，从而提升了训练的目标图像分类模型与用户的关联性，基于该目标图像分类模型确定的分类结果与用户所期待的结果的匹配度更高。
[0028]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0029]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0030]图1是根据本公开提供的图像拍摄方法流程图；
[0031]图2是根据本公开提供的图像分类模型训练方法流程示意图；
[0032]图3本公开提供的图像拍摄装置的结构示意图；
[0033]图4本公开提供的图像分类模型训练装置的结构示意图；
[0034]图5是用来实现本公开实施例的电子设备的框图。
具体实施方式
[0035]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0036]实施例一
[0037]图1示出了本公开实施例提供的一种图像拍摄方法，具体地，可以应用于车载终端，如图1所示，该方法包括：
[0038]步骤S101，确定图像采集装置拍摄得到的待识别图像；
[0039]具体地，图像采集装置可以是用户车辆的行车记录仪，其中，该行车记录仪与车载设备相连，或者图像采集装置可以是与车载设备连接后的用户的手机等具有图像摄制功能的终端设备；其中，如果用户的车辆为自动驾驶车辆，还可以是自动驾驶车辆配置的其他视觉传感器。
[0040]具体地，可以将图像采集装置拍摄得到的图像作为待识别图像，通过判断该图像是否为用户想要的图像类型而进行存储。
[0041]步骤S102，基于预训练的目标图像分类模型确定待识别图像的类型；
[0042]具体地，通过目标图像分类模型确定待识别图像的类型，其中，该目标图像分类模型可以是基于深度神经网络模型实现的，如基于AlexNet、LeNet、VGG、GoogLeNet、Residual Network等网络的图像分类模型，也可以是其他能够实现本申请功能的图像分类模型。
[0043]其中，目标图像分类模型可以是在本地训练完成的，即预训练的目标图像分类模型基于用户选定的欲存储的图像类型以及各图像类型对应的图像在本地述训练得到。目标图像分类模型也可以是在服务器训练完成的，然后发送用户侧终端设备，具体地，该目标图像分类模型可以是在云端服务器训练好后，再发送至车载终端，其中，目标图像分类模型基于用户上传至服务器的用户选定的欲存储的图像类型以及各图像类型对应的图像训练得到，即根据用户自身选定的样本数据进行模型的训练，提升了训练的模型的个性化，使得目标图像分类模型的结果与用户预期的结果匹配度更高或更一致。
[0044]步骤S103，如果待识别图像的类型为用户欲存储的类型，则将待识别图像进行存储。
[0045]具体地，将待识别图片输入至目标图像分类模型后，输出各个图像类别对应的概率，可以将概率最高的作为待识别图片的图像类型，如果该图像类型是用户想要的类型，则将该待识别图像进行存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像拍摄方法，包括：确定图像采集装置拍摄得到的待识别图像；基于预训练的目标图像分类模型确定所述待识别图像的类型；如果所述待识别图像的类型为用户欲存储的类型，则将所述待识别图像进行存储。2.根据权利要求1所述的方法，其中，所述预训练的目标图像分类模型基于用户选定的欲存储的图像类型以及各图像类型对应的图像训练得到。3.根据权利要求1所述的方法，其中，基于用户选定的欲存储的图像类型以及各图像类型对应的图像训练得到所述预训练的目标图像分类模型，包括：基于所述用户选定的欲存储的图像类型，确定预训练的图像分类模型；基于用户选定的欲存储的图像类型以及各图像类型对应的图像对所述预训练的图像分类模型进行微调，得到目标图像分类模型。4.根据权利要求1所述的方法，其中，所述确定图像采集装置拍摄得到的待识别图像，包括：获取图像采集装置拍摄的待识别视频；基于获取的所述待识别视频通过聚类算法确定待识别图像。5.根据权利要求4所述的方法，其中，所述聚类算法为k
‑
means聚类算法；其中，k值基于待识别视频的时长与拍摄待识别视频时用户的行驶车速确定。6.根据权利要求1所述的方法，其中，将所述待识别图像进行存储，包括：基于待识别图像的类型将所述待识别图像分类存储。7.一种图像分类模型训练方法，包括：接收上传的用户欲存储的图像类型以及各图像类型对应的图像；基于所述上传的用户欲存储的图像类型以及各图像类型对应的图像，训练得到目标图像分类模型；发送训练得到的所述目标图像分类模型。8.根据权利要求7所述的方法，其中，基于所述上传的用户欲存储的图像类型以及各图像类型对应的图像，训练得到目标图像分类模型，包括：基于接收到的上传的用户欲存储的图像类型，确定预训练的图像分类模型；基于上传的用户欲存储的图像类型以及各图像类型对应的图像对所述预训练的图像分类模型进行微调，得到目标图像分类模型。9.一种图像拍摄装置，包括：第一确定模块，用于确定图像采集装置拍摄得到的待识别图像；第二确定模块，用于基于预训练的目标图像分类模型确定所述待识别图像的类型；存储模块，用于如果所述待识别图像的类型为用户欲存储的类型，则将所述待识别图像进行存储。10.根据权利要求9的图像拍摄装置，其中，所述预训练的目标图像分类模型基于用户选定的欲存...

【专利技术属性】
技术研发人员：缪石乾，
申请(专利权)人：阿波罗智联北京科技有限公司，
类型：发明
国别省市：