[发明专利]商品识别管理方法、装置、服务器及可读存储介质

权利要求书

1.一种商品识别管理方法，其特征在于，所述方法包括：

将获取的第一图像输入经过训练的深度学习检测模型，得到对所述第一图像的检测结果，所述检测结果包括所述第一图像中的目标商品的商品类别及位置信息，所述第一图像为拍摄位于货架上的商品得到的图像；

将所述第一图像及所述检测结果输入经过训练的细分类模型，所述细分类模型包括特征提取器、卷积神经网络及分类器；

通过所述特征提取器对所述第一图像及所述检测结果进行特征提取，得到目标语义特征，所述目标语义特征包括表征所述目标商品与所述第一图像中的其他商品之间相对尺寸关系的高阶语义特征，所述其他商品包括所述第一图像中与所述目标商品位置相邻的商品；

通过所述卷积神经网络对所述目标语义特征进行卷积处理，并将卷积处理后的目标语义特征输入所述分类器，得到所述分类器输出的所述第一图像的识别结果，所述识别结果包括所述目标商品的商品类别及型号信息；

其中，所述特征提取器包括第一子模型和第二子模型，通过所述特征提取器对所述第一图像及所述检测结果进行特征提取，得到目标语义特征，包括：

从所述第一图像中提取所述目标商品的尺寸信息，以及所述目标商品与相邻商品的相对尺寸关系；

将所述尺寸信息、所述相对尺寸关系及所述检测结果输入所述第一子模型，得到所述第一子模型输出的第一高阶语义特征，所述第一子模型包括全连接神经网络；

将所述第一图像及所述检测结果输入所述第二子模型，得到所述第二子模型输出的第二高阶语义特征，所述第二子模型包括卷积神经网络；

将所述第一高阶语义特征、所述第二高阶语义特征进行拼接，得到所述目标语义特征。

2.根据权利要求1所述的方法，其特征在于，将所述第一图像及所述检测结果输入所述第二子模型，得到所述第二子模型输出的第二高阶语义特征，包括：

基于与所述目标商品的商品类别对应的裁剪策略，从所述第一图像中裁剪包括相同的所述商品类别的商品的目标图区；

将所述目标图区及所述检测结果输入所述第二子模型，得到所述第二子模型输出的第二高阶语义特征。

3.根据权利要求1所述的方法，其特征在于，将获取的第一图像输入经过训练的深度学习检测模型，得到对所述第一图像的检测结果，包括：

将获取的第一图像输入经过训练的深度学习检测模型进行检测；

将商品类别相同且商品尺寸不同的商品确定为所述目标商品，得到所述深度学习检测模型输出的对所述第一图像的检测结果。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

建立所述目标商品的商品类别、所述型号信息及所述目标商品在所述第一图像中的位置的对应关系。

5.根据权利要求1所述的方法，其特征在于，在将所述第一图像及所述检测结果输入经过训练的细分类模型之前，所述方法还包括：

获取训练图像集，包括多个第二图像，所述第二图像为拍摄位于货架上的商品得到的图像，每个所述第二图像包括表征所述第二图像中的商品的商品类别的标签、型号信息的标签；

通过所述训练图像集训练细分类模型，得到经过训练的细分类模型。