[发明专利]基于多层分类识别模型的商品图片相似度匹配搜索方法和系统

说明书

本发明公开一种基于多层分类识别模型的商品图片相似度匹配搜索方法和系统。主要的方法和系统包括：选取商品图片数据集，及样本处理；构建分类识别模型和特征提取模型的学习网络；根据层次分类的样本，训练网络模型；迭代训练及保存模型；选取分类识别模型，进行不同层次的系统集成；图片特征提取；进行特征向量相似度计算；由计算值判定相似度并输出；商品图片多层分类识别模块、分类商品图片数据存储模块、商品图片相似度匹配搜索模块构成系统的三部分。本发明通过深度学习网络模型进行多层分类识别和特征向量提取相结合，将商品图片数据集进行分类，让相近商品图片得到归类，使商品图片相似度匹配取得快速搜索，及提高商品图片搜索的准确率。

技术领域

本发明涉及深度学习的神经网络技术领域、图片识别模型神经网络的设计与训练，及向量余弦相似度计算等技术的系统集成处理方法。

背景技术：

随着互联网交易平台信息的快速发展和相关技术的日新月异，网络应用及图片信息处理技术途径日益多样化、复杂化。特别是互联网的商品图片数量、种类越来越繁多，采用单一对商品图片进行识别分类处理方法已经不能满足速度、准确率的要求。目前大部分采用对图片的相似搜索处理还是基于图像哈希计算(如：Minhash、LSH、phash)，或卷积神经网络等技术。这些普遍存在图片相似计算处理过程中的归类到桶的图片相似度差异较大，导致在数量庞大的图片库搜索时的特征相似计算量增大、且图片相似识别准确率不高。本发明采用不同层次分类模型的堆叠设计对大数量商品图片信息进行准确分类处理，及在分类后对应的商品图片数据集中进行再次的商品图片神经网络特征向量提取的相似度余弦值计算；通过两个深度学习网络技术分别处理不同任务的结合。使商品图片信息业务处理中的搜索准确率、查询速度等操作，得到很大的提高。所以提供一种基于多层分类识别模型的商品图片相似度匹配搜索方法和系统，应用人工智能的深度学习相关技术实现商品图片多层分类识别,及商品图片相似度匹配搜索方法，这就可以给大数量级别的商品图片库提供便捷有效的图片分析处理方法。

发明内容：

本发明所提供的解决方案是针对基于多层分类识别模型的商品图片相似度匹配搜索方法和系统的构建，该发明采用以下技术方案：

一种基于多层分类识别模型的商品图片相似度匹配搜索方法，所述方法包括：

A1、选取相应数量商品图片数据集，并进行商品图片的样本处理；

A2、构建商品图片识别分类模型的深度学习神经网络和商品图片特征提取模型的深度学习神经网络；

A3、根据层次分类后的商品图片样本，训练不同层次分类识别模型和商品图片特征提取网络模型，并更新相应网络参数；

A4、重复A3步骤，迭代训练网络，并保存训练好的分类识别模型和特征提取网络模型；

A5、选取识别准确率高的商品分类识别模型，进行不同层次商品分类识别模型的系统集成；

A6、基于商品图片多层分类集成识别对应分类商品图片，进行商品图片特征提取网络模型的图片特征提取；

A7、将提取的商品图片特征向量进行相似度特征计算比较；

A8、相似度计算值在设定值域范围，判定为相似，并输出图片。

进一步地，步骤A1所述的采集选取商品图片数据集，及分析整理商品图片进行分类挑选训练样本，并进行对应层次分类标记。