[发明专利]首饰分类系统、方法、装置以及存储介质

权利要求书

1.一种首饰分类系统，其特征在于，包括：图像处理服务器、用于采集待分类首饰的图像信息的图像采集装置、用于采集所述待分类首饰的重量信息的称重装置，并且所述图像采集装置和所述称重装置与所述图像处理服务器连接，其中所述图像处理服务器配置用于执行以下操作：

从所述图像采集装置接收所述图像信息，利用预先训练的深度学习模型对所述图像信息进行计算，确定所述待分类首饰所属的类别；

从所述称重装置接收所述重量信息，将所述重量信息与所述待分类首饰所属的类别对应的重量信息进行比对；以及

根据比对的结果对所述深度学习模型进行优化。

2.根据权利要求1所述的系统，其特征在于，所述图像信息为多个不同角度的图像信息，并且利用预先训练的深度学习模型对所述图像信息进行计算，确定所述待分类首饰所属的类别，包括：

利用所述深度学习模型包含的多个特征提取模型分别提取所述多个不同角度的图像信息的特征信息；

将每个所述特征提取模型提取的特征信息进行合并；以及

利用分类器对合并后的特征信息进行计算，确定所述待分类首饰所属的类别。

3.根据权利要求2所述的系统，其特征在于，每个所述特征提取模型包括串行连接的一个输入层和多个特征提取层。

4.根据权利要求3所述的系统，其特征在于，所述特征提取层是基于Resnet的网络结构。

5.根据权利要求1所述的系统，其特征在于，根据比对的结果对所述深度学习模型进行优化，包括：

根据所述比对的结果计算所述深度学习模型产生误判的次数，并将所述误判的次数与预设的阈值进行比对；以及

在所述误判的次数大于所述预设的阈值的情况下，重新训练所述深度学习模型。

6.根据权利要求5所述的系统，其特征在于，重新训练所述深度学习模型，包括：利用自动机器学习(AutoML)方式重新训练所述深度学习模型。

7.根据权利要求1所述的系统，其特征在于，所述图像采集装置包括多个CCD相机以及无影光光源，分别用于采集所述待分类首饰多个角度的图像信息。

8.一种首饰分类的方法，其特征在于，包括：

获取待分类首饰的图像信息和重量信息；

利用预先训练的深度学习模型对所述图像信息进行计算，确定所述待分类首饰所属的类别；

将所述重量信息与所述待分类首饰所属的类别对应的重量信息进行比对；以及

根据比对的结果对所述深度学习模型进行优化。

9.根据权利要求8所述的方法，其特征在于，所述图像信息为多个不同角度的图像信息，并且利用预先训练的深度学习模型对所述图像信息进行计算，确定所述待分类首饰所属的类别，包括：

利用所述深度学习模型包含的多个特征提取模型分别提取所述多个不同角度的图像信息的特征信息；

将每个所述特征提取模型提取的特征信息进行合并；以及

利用分类器对合并后的特征信息进行计算，确定所述待分类首饰所属的类别。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求8至9中任意一项所述的方法。