基于深度学习的商品图像标注方法及其装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的商品图像标注方法及其装置，该方法，包括以下步骤：步骤S10：对原始训练数据库采用深度学习方法训练神经网络模型，得到商品标注模型；步骤S20：通过商品标注模型标注原始待批注图像中所含商品的种类和商品所处位置，得到批注数据库；步骤S30：将批注数据库加入原始训练数据库中，重复步骤S10，得到标注模型，采用标注模型对待批注商品图像进行批注。该装置包括：原始训练模块、初次批注模块和批注模块。该方法提高了所得模型对商品图像中商品种类和位置的准确辨识，减少了人工投入，提高识别效率。能更好地运营无人零售超市，扩充无人超市的商品种类，更有效的为顾客提供消费服务。

【技术实现步骤摘要】
基于深度学习的商品图像标注方法及其装置
本专利技术涉及一种基于深度学习的商品图像标注方法及其装置，属于图像识别领域。
技术介绍
当今深度学习技术掀起了AI(人工智能)的新浪潮。广泛用于医学、图像处理、语音识别、机器翻译等领域。深度学习的提出使得人工神经网络重新成为机器学习最重要的算法之一，在传统的人工神经网络训练中增加了一个预训练阶段，即用无监督学习对每一层网络进行一次专门的训练，然后才用有监督学习对整个网络进行总体训练，也就是说计算机通过深度神经网络，模拟人脑的机制来学习、判断、决策。通过深度学习方法，人工神经网络的效果一举赶上甚至显著超过了支持向量机等其他机器学习方法。近年来，在IBM、谷歌、微软、科大讯飞、百度等公司很多工业级图像和语音处理应用上取得了非常好的效果。在深度学习的初始训练中，往往需要大量的数据，以提高对图像中物品的识别准确性。而这些用于初始训练的数据，往往需要经过人工识别，并对图像进行标注，才能保证后续训练过程中的准确性。在无人值守商铺运营中，为了更好的让机器识别出图像中所含商品的种类，需要建立含有大量商品图像的初始训练数据库。而这一过程需要大量的人力、时间去标注本文档来自技高网...

【技术保护点】
1.一种基于深度学习的商品图像标注方法，其特征在于，包括以下步骤：步骤S10：对原始训练数据库采用深度学习方法训练神经网络模型，得到商品标注模型；步骤S20：通过所述商品标注模型标注原始待批注图像中所含商品的种类和商品所处位置，得到批注数据库；步骤S30：将所述批注数据库加入所述原始训练数据库中，重复步骤S10，得到标注模型，采用所述标注模型对待批注商品图像进行批注。

【技术特征摘要】
1.一种基于深度学习的商品图像标注方法，其特征在于，包括以下步骤：步骤S10：对原始训练数据库采用深度学习方法训练神经网络模型，得到商品标注模型；步骤S20：通过所述商品标注模型标注原始待批注图像中所含商品的种类和商品所处位置，得到批注数据库；步骤S30：将所述批注数据库加入所述原始训练数据库中，重复步骤S10，得到标注模型，采用所述标注模型对待批注商品图像进行批注。2.根据权利要求1所述的基于深度学习的商品图像标注方法，其特征在于，还包括以下步骤：步骤S40：在所述原始待批注图像中增加i种商品的图像重复步骤S10，得到其他种类商品标注模型，其中i＝2～n；步骤S50：i取i+1后，重复步骤S40，得到n个所述第i类商品批注模型，由n个所述第i类商品批注模型构建得到商品自动批注模型，用所述商品自动批注模型对所述待批注商品图像进行批注。3.根据权利要求1所述的基于深度学习的商品图像标注方法，其特征在于，所述原始训练数据库的获取包括以下步骤：步骤S11：通过商品图像采集装置获取所述商品的训练图像；步骤S12：人工标注所述训练图像中的商品种类以及图中位置；步骤S13：将所述训练图像、图中商品种类及图中位置一一对应的映射关系，存储在所述训练数据库中。4.根据权利要求3所述的基于深度学习的商品图像标注方法，其特征在于，所述商品图像采集装置包括摄像头、底座和转盘，所述转盘转动安装于所述底座的顶面上，待批注商品设置于所述转盘上，所述摄像头拍摄所述转盘设置。5.根据权利要求4所述的基于深度学习的商品图像标注方法，其特征在于，所述摄像头包括第一摄像头和第二摄像头，所述第一摄像头和所述第二摄像头成锐角分列于所述转台两侧。6.一种基...

【专利技术属性】
技术研发人员：陈子林，王良旗，
申请(专利权)人：中山市宾哥网络科技有限公司，
类型：发明
国别省市：广东,44