[发明专利]一种结算台物品识别方法、装置及电子设备

说明书

本发明公开了一种结算台物品识别方法、装置及电子设备，所述方法包括：将包含待识别物品的图像输入到预先训练完成的至少两个第一子网络模型中，获取每个第一子网络模型输出的特征向量；将每个特征向量按照预设的规则组合，得到目标特征向量；将所述目标特征向量输入到预先训练完成的第一网络模型，获取所述图像包含的物品对应的物品标识。由于在本发明实施例中，基于包含有待识别物品的图像进行识别，图像的采集比较客观不会受到人为因素的影响，并且在本发明实施例中，由于每个第一子网络模型可以分别提取不同类别的物品的特征，因此该目标特征向量可以准确的表示该图像，从而提高了对图像中的物品识别准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种结算台物品识别方法、装置及电子设备。

背景技术

随着人工智能技术的发展，如无人值守超市使用结算台进行自动结算，而结算台进行自动结算的关键点在于如何准确的识别每个物品。现有技术的做法是预先由相关人员编定每个物品对应的产品统一编号(Stock Keeping Unit，SKU)，之后通过识别每个物品对应的SKU确定每个物品对应的物品标识，但是由于结算台需要识别的物品的数量较大，由相关人员编定每个物品的SKU，需要消耗大量的人力，并且由人来编定每个物品的SKU，人为编定每个物品的SKU可能出现错误，例如不同的物品对应的SKU可能相同了，或者SKU本身的编号出现问题，从而导致基于SKU识别物品时存在识别准确率较低的问题。

发明内容

本发明实施例提供了一种结算台物品识别方法、装置及电子设备，用以解决现有技术中物品识别准确率较低的问题。

本发明实施例提供了一种结算台物品识别方法，所述方法包括：

将包含待识别物品的图像输入到预先训练完成的至少两个第一子网络模型中，获取每个第一子网络模型输出的特征向量；

将每个特征向量按照预设的规则组合，得到目标特征向量；

将所述目标特征向量输入到预先训练完成的第一网络模型，获取所述图像包含的物品对应的物品标识。

进一步地，所述第一网络模型的训练过程包括：

获取包含待识别物品的第一样本图像，其中所述第一样本图像中标注了所述第一样本图像包含的物品对应的物品标识；

针对每个第一样本图像，将该第一样本图像分别输入到预先训练完成的所述至少两个第一子网络模型中，获取每个第一子网络模型输出的所述第一样本图像对应的第一子特征向量；将每个第一子特征向量按照预设的规则组合，得到第一特征向量；

将每个第一特征向量及对应的第一样本图像的物品标识输入到第一网络模型中，根据第一网络模型的每个输出，对所述第一网络模型进行训练。

进一步地，所述按照预设的规则组合包括：

按照预设的每个第一子网络模型在进行特征向量组合时对应的组合顺序，依次将每个第一子网络模型对应的特征向量进行组合。

进一步地，所述第一子网络模型的训练过程包括：

获取训练样本集中的每个第二样本图像，其中所述第二样本图像中标注了所述第二样本图像包含的物品对应的物品标识，其中第二样本图像中的物品归属于同一物品类别；

将每个第二样本图像及对应的第二样本图像的物品标识输入到第二网络模型中，根据第二网络模型的每个输出，对所述第二网络模型进行训练；

针对训练完成的第二网络模型，确定所述第二网络模型中实现特征向量提取的子网络，将所述子网络构成的网络模型作为第一子网络模型。

本发明实施例提供了一种结算台物品识别装置，所述装置包括：