【技术实现步骤摘要】
一种基于深度学习的商品图像识别方法
本专利技术涉及图像识别
，更具体地，涉及一种基于深度学习的商品图像识别方法。
技术介绍
随着科技与经济的发展，用人成本逐渐提高，再加上电子商务的兴起，使得零售业的利润越来越低。在现代的零售业中，无论是大型超市，还是小型超市，均采用收银员手工结算的方式，这种方式首先是结算效率低，顾客往往需要花费大量的时间，排队等待商品结算；其次，由于超市的顾客人流量大，尤其是大型超市，在购物高峰时段，购物顾客人数多，收银员劳动强度非常大，而当超市的顾客人流量较小时，仍然需要大量的收银人员长时间值守。为了降低超市的用人成本，并且提高顾客在超市结算商品的效率，亟需智能高效的无人商品结算方案，在商品结算的过程中，商品的识别是重要的一个环节，由于商品种类繁多，同一种类的商品又有不同厂家和不同口味或型号，而不同厂家、不同口味或型号的商品又会对应不同的价格，因此商品结算的顺利进行对商品识别的准确性、高效性具有较高的要求。
技术实现思路
本专利技术旨在克服上述现有技术的至少一种缺陷(不足)，提供一种基于深度学习的商品图像识别方法，既可以提高商品识别的准确性，...
【技术保护点】
1.一种基于深度学习的商品图像识别方法，其特征在于，包括以下步骤：提取商品图像的轮廓特征图像；将所述轮廓特征图像输入第一深度学习模型，得到所述商品的类别匹配结果；根据类别匹配结果选取对应的第二深度学习模型，所述第二深度学习模型为多个，不同的第二深度学习模型对应不同的商品类别，所述商品类别根据商品的轮廓进行分类；提取商品图像的颜色特征图像和/或纹理特征图像；将所述颜色特征图像和/或纹理特征图像输入所述类别匹配结果对应的第二深度学习模型，得到所述商品的最终匹配结果。
【技术特征摘要】
1.一种基于深度学习的商品图像识别方法，其特征在于，包括以下步骤：提取商品图像的轮廓特征图像；将所述轮廓特征图像输入第一深度学习模型，得到所述商品的类别匹配结果；根据类别匹配结果选取对应的第二深度学习模型，所述第二深度学习模型为多个，不同的第二深度学习模型对应不同的商品类别，所述商品类别根据商品的轮廓进行分类；提取商品图像的颜色特征图像和/或纹理特征图像；将所述颜色特征图像和/或纹理特征图像输入所述类别匹配结果对应的第二深度学习模型，得到所述商品的最终匹配结果。2.根据权利要求1所述的一种基于深度学习的商品图像识别方法，其特征在于，所述第一深度学习模型采用以下步骤进行训练：将不同商品类别的样本商品在正常状态下以及预设变形状态下的轮廓样本图像作为第一样本集；根据第一样本集训练第一深度学习模型。3.根据权利要求1所述的一种基于深度学习的商品图像识别方法，其特征在于，所述第二深度学习模型采用以下步骤进行训练：将同一个商品类别的样本商品在正常状态下的颜色样本图像和/或纹理样本图像作为该商品类别对应的第二样本集；根据不同类别对应的第二样本集训练不同商品类别对应的第二深度学习模型。4.根据权利要求2或3所述的一种基于深度学习的商品图像识别方法，其特征在于，所述轮廓样本图像为样本商品多个不同空间角度的轮廓样本图像，所述颜色样本图像为样本商品多个不同空间角度的颜色样本图像，所述纹理样本图像为样本商品多个不同空间角度的纹理样本图像。5.根据权利要求1至3任一项所述的一种基于深度学习的商品图像识别方法，其特征在于，还包括以下步骤：当最终匹配结果错误时，显示类别匹配结果...
【专利技术属性】
技术研发人员：金耀初，何卫灵，刘华，
申请(专利权)人：广州利科科技有限公司，
类型：发明
国别省市：广东,44
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。