[发明专利]物品识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种物品识别方法、装置、计算机设备和存储介质。所述方法包括：获取第一目标行为图像；将所述第一目标行为图像输入特征提取网络进行处理，得到所述特征提取网络中至少两个卷积网络层的特征提取结果，将所述至少两个卷积网络层的特征提取结果进行融合处理，得到第一特征信息；将所述第一特征信息输入多尺度特征提取网络进行处理，得到不同尺度的特征图；将所述不同尺度的特征图输入目标检测网络进行目标物品的检测，得到所述目标物品的类别信息以及所述目标物品在所述第一目标行为图像中的位置信息。采用本方法能够提高对目标物品识别的准确率以及检测速度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种物品识别方法、装置、计算机可读存储介质和计算机设备。

背景技术

随着人工智能技术的发展，人工智能技术逐渐渗透到各行各业，比如零售业。无人零售，比如无人超市、无人货柜，由于其便利性、智能性，是近期兴起的热门领域，拥有广阔的前景。当用户使用无人货柜时，只需扫码即可打开柜门，在选取商品后，无人货柜可对用户选取的商品自动进行结算。

传统的无人货柜一般通过静态解决方案实现自动结算。静态解决方案是指无人货柜采集其内部商品的图像，根据用户选取前后商品的变化生成结算信息。

但是，这种方式存在准确性不高的缺点，比如当无人货柜内商品的固有摆放方式被打乱时，无人货柜很难识别出商品。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高物品识别准确率的物品识别方法、装置、计算机设备和存储介质。

一种物品识别方法，包括：

获取第一目标行为图像；

将第一目标行为图像输入特征提取网络进行处理，得到特征提取网络中至少两个卷积网络层的特征提取结果，将至少两个卷积网络层的特征提取结果进行融合处理，得到第一特征信息；

将第一特征信息输入多尺度特征提取网络进行处理，得到不同尺度的特征图；

将不同尺度的特征图输入目标检测网络进行目标物品的检测，得到目标物品的类别信息以及目标物品在第一目标行为图像中的位置信息。

一种检测模型训练方法，方法包括：

获取训练样本图像以及训练样本图像对应的标记信息，训练样本图像对应的标记信息包括标记框以及类别信息标签；

将训练样本图像输入检测模型的特征提取网络进行处理，得到特征提取网络中至少两个卷积网络层的特征提取结果，将至少两个卷积网络层的特征提取结果进行融合处理，得到第一特征信息；

将第一特征信息输入检测模型的多尺度特征提取网络进行处理，得到不同尺度的特征图；

将不同尺度的特征图输入检测模型的目标检测网络进行目标物品的检测，得到目标物品的第一预测信息，第一预测信息包括：目标物品在训练样本图像中的位置信息以及目标物品的类别信息；

按照第一预测信息与训练样本图像的标记信息之间的差异，调整检测模型的参数并继续训练，直至满足训练停止条件时结束训练。

一种物品识别装置，包括：

获取模块，用于获取第一目标行为图像；

处理模块，用于将第一目标行为图像输入特征提取网络进行处理，得到特征提取网络中至少两个卷积网络层的特征提取结果，将至少两个卷积网络层的特征提取结果进行融合处理，得到第一特征信息；

处理模块，还用于将第一特征信息输入多尺度特征提取网络进行处理，得到不同尺度的特征图；

检测模块，用于将不同尺度的特征图输入目标检测网络进行目标物品的检测，得到目标物品的类别信息以及目标物品在第一目标行为图像中的位置信息。