[发明专利]一种基于View树的应用场景识别方法

权利要求书

1.一种基于View树的应用场景识别方法，其特征在于，包括：

获取设备当前显示界面的View树，收集View树并进行场景标注，以形成多场景View树数据集；

构建神经网络模型；

使用所述多场景View树数据集对所述神经网络模型进行训练；

使用训练完毕的神经网络模型对设备中的应用场景进行识别。

2.根据权利要求1所述的基于View树的应用场景识别方法，其特征在于，还包括：

在收集View树时，获取其在屏幕上的属性，根据所述属性判断View树的结点是否可见，如果可见则收集。

3.根据权利要求2所述的基于View树的应用场景识别方法，其特征在于，还包括：

遍历收集到的View树，将当前遍历到的View结点作为重构树结点，形成重构树，其中所述重构树包括子结点、父结点和重构树根结点。

4.根据权利要求3所述的基于View树的应用场景识别方法，其特征在于，

所述神经网络模型为树形递归神经网络模型，通过所述神经网络模型进行前向计算，完成重构树上从叶子结点开始沿父结点，直至重构树根结点的表征传导。

5.根据权利要求4所述的基于View树的应用场景识别方法，其特征在于，

所述神经网络模型为Child-Sum Tree-LSTMs模型。

6.根据权利要求1所述的基于View树的应用场景识别方法，其特征在于，还包括：

将所述多场景View树数据集中的View树的结点根据其属性等比例缩放重绘在一个固定尺寸和通道数的图像上，得到重构图。

7.根据权利要求6所述的基于View树的应用场景识别方法，其特征在于，还包括：

所述神经网络模型为卷积神经网络模型，通过所述神经网络模型进行前向计算，完成重构图的自动特征提取。

8.根据权利要求7所述的基于View树的应用场景识别方法，其特征在于，

所述神经网络模型结构包括：卷积层1、池化层1、卷积层2、池化层2和全连接输出层，

所述神经网络模型的前向计算方法是：将重构图依次通过卷积层1、池化层1、卷积层2和池化层2得到多通道特征图，将多通道特征图展平为一维向量，随后将一维向量经过全连接输出层得到分类概率输出。

9.根据权利要求3或6所述的基于View树的应用场景识别方法，其特征在于，还包括：

对当前View结点的属性相对View树根结点的数据做归一化，所述属性包括：宽、高和中心位置。

10.根据权利要求2所述的基于View树的应用场景识别方法，其特征在于，还包括：

对收集到的View树，以深度优先遍历次序打印，得到View树打印记录。