[发明专利]商品图像相似类别判定方法及装置

说明书

本发明涉及一种商品图像相似类别判定方法及装置，所述方法包括获取目标商品图像，目标商品图像为两张待判定相似类别的商品图像。将目标商品图像预处理为符合网络模型输入要求的图像。将经过预处理的目标商品图像输入网络模型中，得到目标商品图像的相似度概率，并根据相似度概率判定目标商品图像的相似类别，网络模型是通过对包括多组经过标注的商品图像的商品图像样本集进行迭代训练得到的。采用该方法及装置使得相似类别判定的整个过程由网络模型通过自动训练得到，且具有非常高的准确率和高效的运算速度。

技术领域

本发明涉及图像处理领域，特别是涉及商品图像相似类别判定方法及装置。

背景技术

随着计算机视觉技术的迅速发展，图像检索引起了人们的广泛关注。对于图像检索结果的再处理是计算机视觉中的一个关键问题，对检索到的图像进行相似度的判定和分类，能使得检索结果更加直观清晰，并且便于有效信息的提取和使用。例如，当用户搜索一件连衣裙商品时，返回的图像结果中前100条都是相同款商品，直至第101条才能显示相似款商品，那么这样的搜索结果使用户获得很多无效信息并严重制约用户获得信息的延展性。但是如果可以将检索图像中的同款商品与相似款商品进行分类，并合理设置图像的显示排列方式，可以使用户获得更多有效信息。

传统的商品图像相似度的判定和分类方法，在图像搜索过程中需要人工选取有意义的特征，从每个图像中抽取出该特征后建立索引以供近邻搜索，当选取多种特征时，需要对不同特征设定权值，以供后续对搜索出的最近邻结果的同款和相似款进行分类。其中，对于特征的选取和不同特征的赋值过分依赖决策者的经验，导致选择特征和赋值对于可能对于个例有效但是不一定对全局最优。此外，常用的图像特征比如SIFT，GIST，color等对于特定场景是有效的，但并不适用于种类繁多的商品图像，因此，传统的商品图像相似款判定分类方法的准确率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种自动的、准确快捷的商品图像相似类别判定方法及装置。

一种商品图像相似类别判定方法，所述方法包括以下步骤：

获取目标商品图像，目标商品图像为两张待判定相似类别的商品图像；

将目标商品图像预处理为符合网络模型输入要求的图像；

将经过预处理的目标商品图像输入网络模型中，得到目标商品图像的相似度概率，并根据相似度概率判定目标商品图像的相似类别，网络模型是通过对包括多组经过标注的商品图像的商品图像样本集进行迭代训练得到的。

在其中一个实施例中，网络模型包括连接的卷积神经网络和线性逻辑回归模型，对包括多组经过标注的商品图像的商品图像样本集进行迭代训练的步骤包括：

获取商品图像样本集，商品图像样本集包括多组商品图像，每组商品图像的个数为两张；

对每组商品图像进行相似类别的标注，相似类别包括不同款和相同款；

对每组商品图像进行预处理；

将各组经过预处理的商品图像输入卷积神经网络中并输出高维图像特征，将高维图像特征输入逻辑回归模型并输出预测的商品图像的相似度概率，根据各组商品图像标注的相似类别和相似度概率计算预测误差并采用有监督的反向传播方法对卷积神经网络和线逻辑回归模型进行迭代训练得到深度学习的网络模型。

在其中一个实施例中，对每组商品图像进行相似类别的标注的步骤包括：

用数字集合{0，1}表示商品图像的相似类别，不同款和相同款分别用1和0表示；

若一组商品图像为不同款，则将商品图像的相似类别标注为1；

若一组商品图像为相同款，则将商品图像的相似类别标注为0。

在其中一个实施例中，对商品图像进行预处理的步骤包括：