[发明专利]一种基于建立商品外观特征映射表的模型更新方法

说明书

本发明公开了一种基于建立商品外观特征映射表的模型更新方法，属于计算机视觉技术领域，包括：构建商品分类模型和映射表；通过商品分类模型对商品实时图像进行图像识别，得到商品的粗略类别信息；查询映射表得到对应粗略类别信息的精确类别信息；映射表还用于根据用户发送的指令实时添加精确类别信息。本发明的有益效果：通过训练一个包含所有商品的商品分类模型并且建立映射表，解决了一个模板训练一个模型的缺点，可以一个模型对应多个模板，大大节省了模型训练花费的资源和时间；对于新增的商品，通过更新映射表，不需重新添加商品数据进行模型训练，实现商品分类模型的软扩展并减少模型训练频率从而节省资源。

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于建立商品外观特征映射表的模型更新方法。

背景技术

在新零售行业中，对于商品分类的需求大多采用深度学习训练出一个分类模型实现。现有分类模型对于外观差异大的商品可以实现有效分类。对于外观非常相近的不同商品，或者同种商品的不同规格无法进行有效区分，

现有模式是将上述两种情况下，商品的SKU区分开建立两个不同的模板，训练不同的模型，这种模式随着商品模板的增多将会导致训练模型的增多。

发明内容

本发明的目的在于提供一种基于建立商品外观特征映射表的模型更新方法。

为达此目的，本发明采用以下技术方案：

提供一种基于建立商品外观特征映射表的模型更新方法，包括：

采集多类商品的商品数据，根据所述商品数据进行训练得到商品分类模型；

采集商品实时图像，通过所述商品分类模型对所述商品实时图像进行图像识别，得到所述商品实时图像中包含的所述商品的粗略类别信息；

获取用户上传的关联于所述商品的外观特征的映射表，查询所述映射表得到对应所述粗略类别信息的精确类别信息，所述映射表还用于根据用户发送的指令实时添加关联于所述商品的所述粗略类别信息的所述精确类别信息。

作为模型更新方法的一种优选方案，所述商品数据包括商品图像数据和商品分类数据。

作为模型更新方法的一种优选方案，采集多类所述商品的所述商品数据，根据所述商品数据进行训练得到所述商品分类模型时，每一类所述商品中包括多个具有部分相同外观特征的外观相似商品。

作为模型更新方法的一种优选方案，采集多种所述商品的所述商品数据，基于每个所述商品的所述商品数据提取外观特征，将具有部分相同外观特征的所述商品作为同一类别商品。

作为模型更新方法的一种优选方案，采集多类所述商品的所述商品数据后构建多个商品模板，根据多个所述商品模板训练得到所述商品分类模型。

作为模型更新方法的一种优选方案，根据所述映射关系表对商品的粗略类别信息中的logit数据进行softmax计算得到所述精确类别信息。

作为模型更新方法的一种优选方案，不同用户在不同的交易场景下采集的所述商品实时图像对应不同的所述映射表。

作为模型更新方法的一种优选方案，同一所述映射表中的所有所述商品属于不同的商品类别。

本发明的有益效果：通过训练一个包含所有商品的商品分类模型，能够针对不同用户在不同场景下采集的商品实时图像进行图像识别，得到商品实时图像中包含的商品的粗略类别信息，通过用户上传的映射表能够查询得到表中对应粗略类别信息的精确类别信息，每个用户在每种场景下具有一唯一的映射表，解决了一个模板训练一个模型的缺点，可以一个模型对应多个模板，一个模型识别原有多个模板中包含的商品的类别信息，大大节省了模型训练花费的资源和时间；

对于新增的商品，通过更新映射表，不需要重新添加商品数据进行模型训练，实现商品分类模型的软扩展，减少模型训练频率从而节省资源。