[发明专利]商品识别方法、装置、终端设备及计算机可读介质

权利要求书

1.一种商品识别方法，其特征在于，包括：

采集无人售货机中预设数量的第一商品样本，根据所述第一商品样本分别构建支持集和查询集；

基于深度卷积模型建立初始特征模型，利用所述支持集、所述查询集及目标函数训练所述初始特征模型，生成目标特征模型；

获取待识别的商品样本，输入至目标特征模型，以进行商品识别；

所述获取待识别的商品样本，输入至目标特征模型，以进行商品识别，具体为：将待识别的商品样本与所述支持集中的第一商品样本进行匹配；若有匹配对象，则输入至目标特征模型进行识别；若无匹配对象，对待识别的商品样本重新定义，生成第二商品样本；利用所述初始特征模型提取所述第二商品样本在高维超平面的特征表达，将提取结果列入所述支持集，生成新支持集；利用新支持集对所述目标特征模型训练，生成新的特征模型，并将新的特征模型用于商品识别；

所述若有匹配对象，则输入至目标特征模型进行识别，包括：利用目标特征模型提取待识别的商品样本的特征表达；根据所述特征表达，对待识别的商品样本与所述支持集中的商品样本进行距离度量，按照距离度量从小到大的顺序筛选出多个商品，利用投票机制确定最终输出的商品类别。

2.根据权利要求1所述的商品识别方法，其特征在于，在所述基于深度卷积模型建立初始特征模型之前，还包括：

以度量损失和交叉熵损失构建目标函数。

3.根据权利要求2所述的商品识别方法，其特征在于，所述利用所述支持集、所述查询集及目标函数训练所述初始特征模型，生成目标特征模型，包括：

将所述支持集和所述查询集映射至高维超平面；

利用所述目标函数约束同类商品和异类商品的距离，并迭代训练，直至所述初始特征模型收敛，生成所述目标特征模型。

4.根据权利要求1所述的商品识别方法，其特征在于，在所述基于深度卷积模型建立初始特征模型之后，还包括对初始特征模型进行优化，具体为：

获取第三商品样本注册至所述查询集，生成新查询集；

利用所述支持集、所述新查询集及目标函数优化所述初始特征模型。

5.一种商品识别装置，其特征在于，包括：

样本采集单元，用于采集无人售货机中预设数量的第一商品样本，根据所述第一商品样本分别构建支持集和查询集；

模型构建单元，用于基于深度卷积模型建立初始特征模型，利用所述支持集、所述查询集及目标函数训练所述初始特征模型，生成目标特征模型；

商品识别单元，用于获取待识别的商品样本，输入至目标特征模型，以进行商品识别；

所述获取待识别的商品样本，输入至目标特征模型，以进行商品识别，具体为：将待识别的商品样本与所述支持集中的第一商品样本进行匹配；若有匹配对象，则输入至目标特征模型进行识别；若无匹配对象，对待识别的商品样本重新定义，生成第二商品样本；利用所述初始特征模型提取所述第二商品样本在高维超平面的特征表达，将提取结果列入所述支持集，生成新支持集；利用新支持集对所述目标特征模型训练，生成新的特征模型，并将新的特征模型用于商品识别；

所述若有匹配对象，则输入至目标特征模型进行识别，包括：利用目标特征模型提取待识别的商品样本的特征表达；根据所述特征表达，对待识别的商品样本与所述支持集中的商品样本进行距离度量，按照距离度量从小到大的顺序筛选出多个商品，利用投票机制确定最终输出的商品类别。

6.根据权利要求5所述的商品识别装置，其特征在于，还包括：

目标函数构建单元，用于以度量损失和交叉熵损失构建目标函数。

7.一种终端设备，其特征在于，包括：

一个或多个处理器；

存储器，与所述处理器耦接，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4任一项所述的商品识别方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的商品识别方法。