當前大多數(shù)智能手機都使用相機場景檢測來調(diào)整照片處理參數(shù)和相機設(shè)置。然而，沒有可用的公共數(shù)據(jù)集和模型可用于此任務(wù)，每個制造商都設(shè)計了自己的有限解決方案。最近，蘇黎世聯(lián)邦理工學院的研究人員提出了一種用于場景檢測的新型大規(guī)模數(shù)據(jù)集。

它包含超過 11,000 張圖像和 30 個場景類別。為該任務(wù)提出了幾種有效的模型。達到94%以上的準確率。對在野外的智能手機上提出的解決方案進行了徹底評估。經(jīng)證實，所建議的方法在現(xiàn)代設(shè)備上的運行速度足夠快。

該模型在各種場景、條件和環(huán)境中具有表現(xiàn)力和魯棒性。數(shù)據(jù)集和設(shè)計的模型現(xiàn)已公開可用，以便為此任務(wù)建立有效的基線解決方案。

人工智能驅(qū)動的自動相機場景檢測模式現(xiàn)在幾乎可以在任何現(xiàn)代智能手機中使用，盡管準確的場景預測問題尚未得到研究界的解決。本文首次仔細定義了這個問題，并提出了一種新穎的相機場景檢測數(shù)據(jù)集(CamSDD)，其中包含超過 11K 幅手動抓取的屬于 30 個不同場景類別的圖像。我們?yōu)榇巳蝿?wù)提出了一種高效且對 NPU 友好的 CNN 模型，該模型在該數(shù)據(jù)集上的前 3 名準確率為 99.5%，并在最近的移動 SoC 上實現(xiàn)了超過 200 FPS。對獲得的解決方案進行額外的野外評估，以分析其在現(xiàn)實世界場景中的性能和局限性。本文中使用的數(shù)據(jù)集和預訓練模型可在項目網(wǎng)站。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！