The invention discloses a commodity matching and quantity regression recognition algorithm based on preset template. By constructing a deep learning neural network architecture, the depth feature information of the commodity in the source picture is extracted, and the convolution operation between the depth feature level and the characteristic ID of the target commodity is carried out to identify the number of individuals returned to the commodity in the picture, thus satisfying the single object picture. To match the scene requirements of multi-object pictures, not only the target object can be recognized from multi-object pictures, but also the number of individuals of the target object in multi-object pictures can be recognized. It includes the following steps: collecting training data, generating commodity feature ID, constructing deep convolution neural network, training neural network, validating and testing neural network model.
【技术实现步骤摘要】
一种基于预设模板的商品匹配及数量回归识别算法
本专利技术属于计算机视觉图像识别
,具体是一种基于预设模板的商品匹配及数量回归识别算法。
技术介绍
随着计算机运算能力的大幅度提升和数据的大规模积累,人工智能技术得以取得突破性的进展,各行各业都开始应用人工智能技术来提高工作效率,从而降低企业运营成本。尤其在零售领域,如何应用人工智能技术来降低运营成本并让商品触手可及,开创一种新零售模式便成为了行业里的热点研究领域。同时随着近几年科研人员在计算机视觉领域取得的研究成果,尤其是利用可进行深度学习的卷积神经网络图像识别技术,可以对顾客购买的商品进行自动识别,其识别精度亦可达到商业应用级别。另一方面,随着物联网技术和云计算的普及,以及结合完善的电子在线支付系统,在真实场景中大规模应用这种技术,例如通过分析安置于售货柜内的摄像头所采集到的图片数据来对顾客消费行为进行结算,整个购物过程完全由计算机控制,已经完全变得可行。代表新零售产业模式的智能无人售货的时代已经到来。计算机视觉技术,即基于数字图片计算来实现类似于人类视觉系统的功能。而基于深度学习神经网络的图像识别技术,具有强大的特征提取能力,能够通过利用大规模人工标注的图片数据集进行监督学习,通过对单张图片计算所提取到的深度特征进行识别,来判断图像中物品的所属类别。同时也可直接根据给定的目标物品,通过在丰富的深度特征层面来进行物品的匹配,找到与目标物品一样或者相似的物品,而无需单独对物品进行识别分类。因此基于给定模板,进行图片匹配,可实现对图片的检索功能。在此基础上,给定目标物品图片,基于针对源图片中相应物品的匹配 ...
【技术保护点】
1.一种基于预设模板的商品匹配及数量回归识别算法,其特征在于,包括以下步骤:S1,采集训练数据,所述训练数据包括摄像头采集的源图片数据集和商品库中代表每种商品的单商品图片数据集;S2,生成商品库商品特征ID,对商品库中的每种商品进行深度特征提取,获取每种商品的特征ID信息;S3,构建深度卷积神经网络,所述神经网络为“Y”形双输入单输出的神经网络,其中一个输入为摄像头采集的源图片,另一个输入为待匹配的目标商品特征ID信息;输出为所述目标商品在源图片中的数量;S4,训练神经网络,在训练之前,为每张源图片选定一个预设匹配模板,即选定一组不同种类的商品组合,统计该组合中每种商品在源图片中对应的数量;然后将源图片和其对应的预设匹配模板同时输入神经网络进行训练,得到商品匹配识别模型;S5,训练完成后,将源图片输入商品匹配识别模型中,即可动态的根据所选定的待匹配商品计算得到该商品在源图片中对应的个体数量。
【技术特征摘要】
1.一种基于预设模板的商品匹配及数量回归识别算法,其特征在于,包括以下步骤:S1,采集训练数据,所述训练数据包括摄像头采集的源图片数据集和商品库中代表每种商品的单商品图片数据集;S2,生成商品库商品特征ID,对商品库中的每种商品进行深度特征提取,获取每种商品的特征ID信息;S3,构建深度卷积神经网络,所述神经网络为“Y”形双输入单输出的神经网络,其中一个输入为摄像头采集的源图片,另一个输入为待匹配的目标商品特征ID信息;输出为所述目标商品在源图片中的数量;S4,训练神经网络,在训练之前,为每张源图片选定一个预设匹配模板,即选定一组不同种类的商品组合,统计该组合中每种商品在源图片中对应的数量;然后将源图片和其对应的预设匹配模板同时输入神经网络进行训练,得到商品匹配识别模型;S5,训练完成后,将源图片输入商品匹配识别模型中,即可动态的根据所选定的待匹配商品计算得到该商品在源图片中对应的个体数量。2.根据权利要求1所述的一种基于预设模板的商品匹配及数量回归识别算法,其特征在于,步骤S1中,所述源图片数据集通过货柜内置的摄像头进行拍摄采集,然后通过人工标注出每张源图片中各商品的种类及对应的数量;所述单商品图片数据集通过单独拍摄或者剪裁的方式,获取商品库中每种商品所对应的单商品图片,所述单商品图片用于对商品库中的商品信息进行编码。3.根据权利要求1所述的一种基...
【专利技术属性】
技术研发人员:蔡丁丁,方无迪,唐开,
申请(专利权)人:武汉市哈哈便利科技有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。