[發明專利]基于人工智能的場景識別方法、裝置及電子設備

有效

• 申請號: 202110501512.6
• 申請日: 2021-05-08
• 公開（公告）號: CN112990378B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 郭卉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 趙翠萍;張穎玲

1.一種基于人工智能的場景識別方法，其特征在于，包括：

獲取第一領域的無場景類別標注的第一圖像樣本；

通過所述第一圖像樣本，對第二領域的有場景類別標注的第二圖像樣本進行風格變換處理，得到所述第一領域的有場景類別標注的第三圖像樣本；

其中，所述第三圖像樣本與所述第二圖像樣本具有相同的場景類別標注；

對所述第一圖像樣本進行數據增強處理，得到對應所述第一圖像樣本的增強圖像樣本；

通過特征提取網絡對所述第二圖像樣本進行特征提取處理，得到所述第二圖像樣本的分類特征，并通過第二分類網絡將所述第二圖像樣本的分類特征映射為所述第二圖像樣本屬于預標記場景類別的第一預測概率；

通過所述特征提取網絡對所述第三圖像樣本進行特征提取處理，得到所述第三圖像樣本的分類特征，并通過第一分類網絡將所述第三圖像樣本的分類特征映射為所述第三圖像樣本屬于所述預標記場景類別的第二預測概率；

其中，場景識別模型包括所述特征提取網絡、對應所述第二領域的第二分類網絡、以及對應所述第一領域的第一分類網絡；

將所述第一預測概率、所述第二預測概率、所述第二圖像樣本的分類特征以及所述第三圖像樣本的分類特征進行組合，得到第一正向傳播結果；

將所述第一圖像樣本、以及所述增強圖像樣本，在所述場景識別模型的特征提取網絡中進行正向傳播，得到第二正向傳播結果；

根據所述第一正向傳播結果以及所述第二正向傳播結果，更新所述場景識別模型；

通過訓練后的所述場景識別模型對所述第一領域的第四圖像樣本進行場景識別處理，得到所述第四圖像樣本的場景類別。

2.根據權利要求1所述的方法，其特征在于，所述獲取第一領域的無場景類別標注的第一圖像樣本，包括：

獲取第一領域的無場景類別標注的候選第一圖像樣本集合；

提取所述候選第一圖像樣本集合中每個候選第一圖像樣本的第一風格圖像特征；

根據所述每個候選第一圖像樣本的第一風格圖像特征進行聚類處理，得到對應所述候選第一圖像樣本集合的多個聚類；

從所述候選第一圖像樣本集合中，獲取用于一一對應表征所述多個聚類的多個候選第一圖像樣本，并將所述用于一一對應表征所述多個聚類的多個候選第一圖像樣本作為所述第一領域的無場景類別標注的多個第一圖像樣本。

3.根據權利要求2所述的方法，其特征在于，所述根據所述每個候選第一圖像樣本的第一風格圖像特征進行聚類處理，得到對應所述候選第一圖像樣本集合的多個聚類，包括：

從所述候選第一圖像樣本集合中隨機選擇N個候選第一圖像樣本，將對應所述N個候選第一圖像樣本的第一風格圖像特征作為所述多個聚類的初始質心，并將所述N個候選第一圖像樣本從所述候選第一圖像樣本集合移除，其中，N為所述場景識別模型的場景類別標注的數目的整數倍；

初始化聚類處理的迭代次數為M，并建立對應每個所述聚類的空的集合，其中，M為大于或者等于2的整數；

在所述聚類處理的每一次迭代過程中：對每個所述聚類的集合進行更新處理，并基于更新處理結果執行質心生成處理，得到每個所述聚類的新質心，當所述新質心不同于所述初始質心時，將所述初始質心對應的候選第一圖像樣本再次添加至所述候選第一圖像樣本集合，并基于所述新質心更新所述初始質心；

將迭代M次后得到的每個所述聚類的集合確定為聚類處理結果，或者，將迭代m次后得到的每個所述聚類的集合確定為聚類處理結果；

其中，迭代m次后得到的多個聚類與迭代m-1次后得到的多個聚類的質心相同，m為整數變量且取值滿足2≤m≤M。

4.根據權利要求3所述的方法，其特征在于，所述對每個所述聚類的集合進行更新處理，并基于更新處理結果執行質心生成處理，得到每個所述聚類的新質心，包括：

針對所述候選第一圖像樣本集合中每個所述候選第一圖像樣本：確定所述候選第一圖像樣本的第一風格圖像特征與每個所述聚類的初始質心之間的相似度；

將最大相似度對應的初始質心確定為與所述候選第一圖像樣本屬于相同聚類，并將所述候選第一圖像樣本轉移至最大相似度初始質心對應的聚類的集合，所述最大相似度初始質心為最大的所述相似度對應的初始質心；

將每個所述聚類的集合中每個候選第一圖像樣本的第一風格圖像特征進行平均處理，得到每個所述聚類的新質心。