[发明专利]商品识别管理方法、装置、服务器及可读存储介质

说明书

本申请提供一种商品识别管理方法、装置、服务器及可读存储介质。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，得到第一图像的检测结果，包括目标商品的商品类别及位置信息；将第一图像及检测结果输入经过训练的细分类模型；通过特征提取器对第一图像及检测结果进行特征提取，得到目标语义特征；通过卷积神经网络对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分类器，得到分类器输出的第一图像的识别结果，识别结果包括目标商品的商品类别及型号信息，能够提高对商品的类别、型号识别的准确性及可靠性，提高对商品识别的精度。

技术领域

本发明涉及计算机图像处理技术领域，具体而言，涉及一种商品识别管理方法、装置、服务器及可读存储介质。

背景技术

随着人工智能技术的发展，在利用图像对商品分类识别的过程中，目前可以基于商品包装上的明显区别，比如商品之间形状结构的区别、包装图案区别、图案颜色区别等明显的区别特征进行识别检测。若商品在包装上，不具有明显可区分的特征，目前的图像识别手段便无法准确对商品类别、型号进行识别。

发明内容

本申请提供一种商品识别管理方法、装置、服务器及可读存储介质，能够改善对商品类别、型号识别的准确性低的问题。

为了实现上述目的，本申请实施例所提供的技术方案如下所示：

第一方面，本申请实施例提供一种商品识别管理方法，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。

在上述的实施方式中，通过深度学习检测模型对商品进行初步分类，然后利用细分类模型结合商品之间的位置尺寸关系，对商品的型号进行进一步识别分类，从而有利于提高对商品的类别、型号识别的准确性及可靠性，提高对商品识别的精度。

结合第一方面，在一些可选的实施方式中，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。

在上述的实施方式中，通过第一子模型、第二子模型分别提取第一图像中商品的高阶语义特征，然后对高阶语义特征进行拼接，从而有利于提高目标语义特征的准确性及有效性，以便于在利用目标语义特征识别商品的型号时，提高识别的准确性及可靠性。