[发明专利]用于训练深度学习网络模型的方法、用于识别物品类别的方法、装置、电子设备

说明书

本申请涉及图像识别技术领域，公开一种用于训练深度学习网络模型的方法，包括：建立初始网络模型；利用预设物品图片数据集对所述初始网络模型进行多次迁移训练获得预设深度学习网络模型。利用预设深度学习网络模型对待识别物品图片中的物品的物品类别进行识别，由于预设深度学习网络模型是利用预设物品图片数据集对初始网络模型进行多次迁移训练获得的，预设深度学习网络模型的精度更高，分类准确性也更好。本申请还公开一种用于识别物品类别的方法及装置、电子设备。

技术领域

本申请涉及图像识别技术领域，例如涉及一种用于训练深度学习网络模型的方法、用于识别物品类别的方法、装置、电子设备。

背景技术

目前，在线购物已经成为大多数用户的日常习惯，因此物品图像内容的识别也变得十分重要。通过识别图片中的物品类别，我们就可以使用图片搜索同款物品；通过识别用户购买过的物品图片中的物品类别，就可以给用户推荐同款的物品。这些应用都是基于性能良好的物品类别分类器实现的，如果能提高物品类别分类器的分类准确度就可以提高相关应用的性能。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：对于通过深度学习网络模型进行物品类别识别的分类器来说，由于当前深度学习网络模型通常是利用统一的数据进行训练形成的，分类精确度较低。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种用于训练深度学习网络模型的方法、用于识别物品类别的方法、装置、电子设备，以解决目前深度学习网络模型利用统一的数据进行训练导致分类精确度较低的问题。

在一些实施例中，用于训练深度学习网络模型的方法包括：

建立初始网络模型；

利用预设物品图片数据集对初始网络模型进行多次迁移训练获得预设深度学习网络模型。

在一些实施例中，用于识别物品类别的方法包括：

获得待识别物品图片；

利用预设深度学习网络模型对待识别物品图片进行识别；

获得待识别物品图片中的物品的物品类别；

其中，预设深度学习网络模型是经过上述用于训练深度学习网络模型的方法训练获得的。

在一些实施例中，用于识别物品类别的装置包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行上述用于识别物品类别的方法。

在一些实施例中，电子设备包括上述用于识别物品类别的装置。

本公开实施例提供的用于训练深度学习网络模型的方法、用于识别物品类别的方法、装置、电子设备，可以实现以下技术效果：

利用预设深度学习网络模型对待识别物品图片中的物品的物品类别进行识别，由于预设深度学习网络模型是利用预设物品图片数据集对初始网络模型进行多次迁移训练获得的，预设深度学习网络模型的精度更高，分类准确性也更好。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

图1是本公开实施例提供的一个用于训练网络模型的方法的示意图；

图2是本公开实施例提供的另一个用于训练网络模型的方法的示意图；