利用深度学习选择性存储视听内容的系统和方法

摘要

提供了用于编策视听内容的系统、方法和设备。移动图像捕获设备可以可操作为捕获一个或多个图像；接收音频信号；用第一机器学习模型分析音频信号的至少一部分，以确定描述音频事件的第一音频分类器标签；识别与第一音频分类器标签相关联的第一图像；用第二机器学习模型分析第一图像以确定第一图像所描绘的场景的合意性；以及至少部分地基于第一图像所描绘的场景的合意性，确定是将与第一音频分类器标签相关联的第一图像的副本存储在移动图像捕获设备的非易失性存储器中，还是在不存储第一图像的副本的情况下丢弃第一图像。