基于机器学习分类的设备位置制造技术

客户端设备的场所系统可以向服务器提交位置请求，服务器返回位于该客户端设备附近的多个场所。客户端设备可以使用一个或多个机器学习方案(例如卷积神经网络)来确定客户端设备位于可能场所的特定场所中的一个中。场所系统可以进一步基于场所选择来选择要呈现的图像。该呈现可以作为短暂消息发布在网络平台上。上。上。

【技术实现步骤摘要】
基于机器学习分类的设备位置
[0001]本申请是申请号为201880055723.8的中国专利申请“基于机器学习分类的设备位置”(申请日为2018年8月31日)的分案申请。
[0002]相关申请的交叉引用
[0003]本申请要求于2018年4月30日提交的序列号为15/967,201的美国专利申请的优先权，该申请是2017年8月31日提交的序列号为15/692,990的美国专利申请的延续并要求其优先权，在此要求它们中的每个申请的优先权，并通过引用将每个申请的全部内容合并于此。


[0004]本公开的实施例总体上涉及确定设备位置，并且更具体地但非限制性地涉及基于机器学习分类的精确计算机设备位置确定。

技术介绍

[0005]计算机(例如智能电话)可以使用地理位置服务来近似估算其位置。例如，计算机可以使用由车载GPS传感器生成的全球定位系统(GPS)数据来确定其位置。但是，如果该计算机附近有数个场所，则这种信息通常无法指出计算机当前位于哪个场所(例如，咖啡馆、饭店、加油站)。

技术实现思路

[0006]本公开的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：向一个或多个服务器发送请求，所述请求包括由客户端设备生成的位置数据；从所述一个或多个服务器接收包括多个场所的场所数据集；在所述客户端设备的存储器中识别真实世界环境的图像；使用机器学习方案对描绘所述真实世界环境的所述图像的图像属性进行分类；至少部分地基于所述多个场所中的场所匹配所述图像的所分类的属性，从所述多个场所中选择所述场所；选择与所选择的场所预先关联的一个或多个显示元素；以及在所述客户端设备上显示包括所述一个或多个显示元素的呈现。2.根据权利要求1所述的方法，其中，所分类的图像属性指示在所述图像中描绘的所述真实世界环境是外部环境或内部环境。3.根据权利要求2所述的方法，其中，选择所述场所包括：至少部分地基于所分类的图像属性不匹配所述多个场所中的一个或多个其它场所，排除所述一个或多个其它场所。4.根据权利要求1所述的方法，其中，在多个物理地点的图像上训练所述机器学习方案，并且所分类的图像属性指示在所述图像中描绘的所述真实世界环境是所述多个物理地点中的一个物理地点，其中，所选择的场所匹配所述多个物理地点中的所述一个物理地点。5.根据权利要求1所述的方法，其中，所述一个或多个显示元素包括一个或多个字。6.根据权利要求1所述的方法，其中，所述多个场所在所述客户端设备上被分类为由元数据标记所描述的类别。7.根据权利要求6所述的方法，其中，所述一个或多个显示元素被分类为类别，并且由于所述一个或多个显示元素共享相同类别的至少一个，所述一个或多个显示元素与所选择的场所预先相关联。8.根据权利要求1所述的方法，其中，所述一个或多个显示元素包括所述客户端设备的用户的化身。9.根据权利要求1所述的方法，其中，所述位置数据包括以下中的至少一个：由所述客户端设备上的GPS传感器生成的全球定位系统(GPS)数据，由所述客户端设备上的网络传感器检测到的因特网协议(IP)网络。10.根据权利要求1所述的方法，其中，所述场所数据集是被存储在所述一个或多个服务器上的更大场所数据集的子集，所述更大场所数据集包括不靠近由所述客户端设备的所述位置数据指示的位置的场所。11.根据权利要求1所述的方法，其中，所述机器学习方案包括一个或多个卷积神经网络。12.根据权利要求1所述的方法，其中，所分类的图像属性指示在所述图像中描绘的已识别物理对象，所述场所是基于所述场所与所述已识别物理对象预先相关联的类别来选择的。。1...

【专利技术属性】
技术研发人员：E，
申请(专利权)人：斯纳普公司，
类型：发明
国别省市：