[发明专利]多输入场景识别方法、终端设备及可读存储介质

说明书

本发明提供了一种多输入场景识别方法、终端设备及可读存储介质，涉及计算机技术领域，包括：采集一应用程序下的若干场景图像，基于所述场景图像选取若干特征区域，以获得所述场景图像的特征图像集；生成训练样本集；创建识别模型，并对所述识别模型进行训练，其中，所述识别模型包括同步执行的拼接识别模型、堆叠识别模型及特征提取识别模型；确认所述应用程序对应的最优模型；获取待识别的场景图像，识别所述待识别的场景图像的对应的应用程序并调用最优模型处理，获得包含所述待识别的场景图像对应的场景信息的目标结果，解决现有场景识别采用全图识别，功耗较大且难度较高的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种多输入场景识别方法、终端设备及可读 存储介质。

背景技术

目前深度学习在图像识别领域上有着长足的进展，很多图像状态都可以使用深度学 习模型来进行识别，且能达到一个令人满意的效果，同时在移动终端也可以使用模型来进行识别，基于此，现有一般会对手机屏幕进行截图，并使用模型进行识别的方式，对 用户游戏场景进行了识别，并通知到各个业务模块进行业务处理。但是若使用针对全图 的识别，则在功耗，训练难度以及识别效果上都存在各种各样的问题，若单一的选取某 一个特定区域也存在特征重复，识别效果差的问题，因此需要一种场景识别方法来解决 上述问题。

发明内容

为了克服上述技术缺陷，本发明的目的在于提供多输入场景识别方法、终端设备及 可读存储介质，解决现有场景识别采用全图识别，功耗较大且难度较高的问题。

本发明公开了一种多输入场景识别方法，包括以下：

采集一应用程序下的若干场景图像，获取一场景图像，基于所述场景图像选取若干 特征区域，并根据所述特征区域截取特征图像，集合以获得所述场景图像的特征图像集；

根据各个所述场景图像的特征图像集以及所述场景图像的预设图像信息标签对应生 成训练样本集；

创建识别模型，并采用所述训练样本集对所述识别模型进行训练，其中，所述识别模型包括同步执行的拼接识别模型、堆叠识别模型及特征提取识别模型；

在训练过程中分别计算所述拼接识别模型、堆叠识别模型及特征提取识别模型的准 确率，并根据所述准确率确认所述应用程序对应的最优模型；

获取待识别的场景图像，识别所述待识别的场景图像的对应的应用程序并调用最优 模型处理，获得包含所述待识别的场景图像对应的场景信息的目标结果。

优选地，采用所述训练样本集对所述识别模型进行训练，包括以下：

从训练样本集中获取一训练样本；

将所述训练样本输入至所述识别模型，分别采用拼接识别模型、堆叠识别模型及特 征提取识别模型同步处理，以获得用于确定所述训练样本中场景图像的场景信息的第一 输出、第二输出和第三输出；

将所述第一输出、第二输出和第三输出分别与所述场景图像的预设图像信息标签比 对，并反向调整所述拼接识别模型、堆叠识别模型及特征提取识别模型；

获取另一训练样本对所述识别模型，直至达到预设训练条件，停止训练。

优选地，采用拼接识别模型处理，以获得用于确定所述训练样本中场景图像的场景 信息的第一输出，包括以下：

基于所述训练样本获取所述场景图像的特征图像集；

将所述特征图像集中的各个特征图像输入至拼接识别模型；

在所述拼接识别模型中对各个特征图像进行拼接，获得一个第一处理图像；

采用第一深度可分离卷积网络对所述第一处理图像进行特征提取，获得第一输出。