商品识别方法和系统技术方案

本公开提供了一种商品识别方法和系统，涉及商品识别领域。该商品识别方法包括：神经网络模块获取商品特征并将该商品特征传输到通道域注意力模块，其中，该商品特征包括商品相关特征和商品无关特征；以及该通道域注意力模块区分出该商品相关特征和该商品无关特征，并至少将该商品相关特征传输到下一个神经网络模块中。本公开可以提高商品识别的准确率。

【技术实现步骤摘要】
商品识别方法和系统
本公开涉及商品识别领域，特别涉及一种商品识别方法和系统。
技术介绍
随着新零售的发展，无人货柜售卖机已经成为新零售的趋势，越来越多的无人货柜售卖机已经投入市场并正式使用。方便快捷随时可触达的零售模式，吸引越来越多的消费者使用无人货柜售卖机购买消费品。随着人工智能的发展，无人货柜售卖机开始使用图像识别算法来识别商品，同时计算价格。使用图像识别算法的无人货柜售卖机相比传统的货道售卖机，消费者使用更加快捷方便，开门取货支付可以在10秒内完成。而且消费者使用图像识别算法的无人货柜售卖机的体验感更强，即开即拿，更加顺应高效率发展的时代要求。目前无人货柜的售卖商品识别算法，仍是基于基本的深度学习网络来识别商品图片，通过采集大量的商品图片数据，完成深度学习框架的训练，来识别商品。基于传统深度学习算法的商品识别算法，为了能够适应货柜放在现实场景中，需要模拟消费者拿放商品的过程，并且采集大量的图片来训练传统的深度学习神经网络。但是随着无人货柜的迅速扩张，场景越来越复杂，传统的深度学习算法已经不能够完全满足需要。
技术实现思路
本公开的专利技术人发现，利用相关技术中的商品识别算法识别商品的过程中经常受到环境因素的影响，导致识别的准确率不高。本公开实施例解决的一个技术问题是：提供一种商品识别方法，以提高商品识别的准确率。根据本公开实施例的一个方面，提供了一种商品识别方法，包括：神经网络模块获取商品特征并将所述商品特征传输到通道域注意力模块，其中，所述商品特征包括商品相关特征和商品无关特征；以及所述通道域注意力模块区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中。在一些实施例中，所述通道域注意力模块区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中的步骤包括：所述通道域注意力模块产生选择向量，将所述选择向量与所述商品特征的各个通道特征相乘以选择出商品相关特征并过滤商品无关特征，以及将选择出的商品相关特征传输到下一个神经网络模块中。在一些实施例中，所述选择向量包括元素1和0，其中所述元素1与所述商品相关特征相乘以选择出所述商品相关特征，所述元素0与所述商品无关特征相乘以过滤所述商品无关特征。在一些实施例中，所述通道域注意力模块区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中的步骤包括：所述通道域注意力模块产生权重向量，将所述权重向量与所述商品特征的各个通道特征相乘，并将相乘后的结果传输到下一个神经网络模块中，其中，在所述权重向量中，与所述商品相关特征对应的权重大于与所述商品无关特征对应的权重。在一些实施例中，所述通道域注意力模块至少将所述商品相关特征传输到下一个神经网络模块中的步骤还包括：所述通道域注意力模块还将未与所述权重向量相乘的所述商品特征的各个通道特征传输到所述下一个神经网络模块中。根据本公开实施例的另一个方面，提供了一种商品识别系统，包括：神经网络模块，用于获取商品特征并将所述商品特征传输到通道域注意力模块，其中，所述商品特征包括商品相关特征和商品无关特征；以及所述通道域注意力模块，用于区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中。在一些实施例中，所述通道域注意力模块用于产生选择向量，将所述选择向量与所述商品特征的各个通道特征相乘以选择出商品相关特征并过滤商品无关特征，以及将选择出的商品相关特征传输到下一个神经网络模块中。在一些实施例中，所述选择向量包括元素1和0，其中所述元素1与所述商品相关特征相乘以选择出所述商品相关特征，所述元素0与所述商品无关特征相乘以过滤所述商品无关特征。在一些实施例中，所述通道域注意力模块用于产生权重向量，将所述权重向量与所述商品特征的各个通道特征相乘，并将相乘后的结果传输到下一个神经网络模块中，其中，在所述权重向量中，与所述商品相关特征对应的权重大于与所述商品无关特征对应的权重。在一些实施例中，所述通道域注意力模块还用于将未与所述权重向量相乘的所述商品特征的各个通道特征传输到所述下一个神经网络模块中。根据本公开实施例的另一个方面，提供了一种商品识别系统，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如前所述的方法。根据本公开实施例的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如前所述的方法的步骤。在上述方法中，神经网络模块将商品特征传输到通道域注意力模块；通道域注意力模块区分出商品相关特征和商品无关特征，并至少将该商品相关特征传输到下一个神经网络模块中。由于通道域注意力模块区分出商品相关特征和商品无关特征，因此下一个神经网络模块在计算识别商品的过程中，可以减弱商品无关特征的影响，从而可以提高商品识别的准确率。通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。附图说明构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：图1是示出根据本公开一些实施例的商品识别方法的流程图；图2是示出根据本公开另一些实施例的商品识别方法的流程图；图3是示出根据本公开另一些实施例的商品识别方法的流程图；图4是示出根据本公开另一些实施例的商品识别方法的流程图；图5是示出根据本公开另一些实施例的商品识别方法的流程图；图6是示出根据本公开一些实施例的商品识别系统的结构图；图7是示出根据本公开另一些实施例的商品识别系统的结构图；图8是示出根据本公开另一些实施例的商品识别系统的结构图。具体实施方式现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。本公开的专利技术人发现，利用相关技术中的商品识别算法识别商品的过程中经常受到环境因素的影响，导致识别的准确率不高。在现实场景中，不同的消费者拿放商品时，穿着的衣物、手遮挡方式等环境因素可能都是不一样的，因此相关技术中只是基于基本的深度学习网络来识别商品往往识别的准确率不高，而且非常容易受到干扰，从而影响识别率。例如，识别算法如果采集到的图片都是来源于放置于白色背景的楼道中的货柜，新的货柜如果放置于更复杂的背景例如人来人往的街道上，那么传统的深度学习算法是不能够理解商品与背景之间的关系，从而会造本文档来自技高网...

【技术保护点】
1.一种商品识别方法，包括：神经网络模块获取商品特征并将所述商品特征传输到通道域注意力模块，其中，所述商品特征包括商品相关特征和商品无关特征；以及所述通道域注意力模块区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中。

【技术特征摘要】
1.一种商品识别方法，包括：神经网络模块获取商品特征并将所述商品特征传输到通道域注意力模块，其中，所述商品特征包括商品相关特征和商品无关特征；以及所述通道域注意力模块区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中。2.根据权利要求1所述的商品识别方法，其中，所述通道域注意力模块区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中的步骤包括：所述通道域注意力模块产生选择向量，将所述选择向量与所述商品特征的各个通道特征相乘以选择出商品相关特征并过滤商品无关特征，以及将选择出的商品相关特征传输到下一个神经网络模块中。3.根据权利要求2所述的商品识别方法，其中，所述选择向量包括元素1和0，其中所述元素1与所述商品相关特征相乘以选择出所述商品相关特征，所述元素0与所述商品无关特征相乘以过滤所述商品无关特征。4.根据权利要求1所述的商品识别方法，其中，所述通道域注意力模块区分出所述商品相关特征和所述商品无关特征，并至少将所述商品相关特征传输到下一个神经网络模块中的步骤包括：所述通道域注意力模块产生权重向量，将所述权重向量与所述商品特征的各个通道特征相乘，并将相乘后的结果传输到下一个神经网络模块中，其中，在所述权重向量中，与所述商品相关特征对应的权重大于与所述商品无关特征对应的权重。5.根据权利要求4所述的商品识别方法，其中，所述通道域注意力模块至少将所述商品相关特征传输到下一个神经网络模块中的步骤还包括：所述通道域注意力模块还将未与所述权重向量相乘的所述商品特征的各个通道特征传输到所述下一个...

【专利技术属性】
技术研发人员：王耀华，刘巍，陈宇，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11