一种基于建立商品外观特征映射表的模型更新方法技术

本发明专利技术公开了一种基于建立商品外观特征映射表的模型更新方法，属于计算机视觉技术领域，包括：构建商品分类模型和映射表；通过商品分类模型对商品实时图像进行图像识别，得到商品的粗略类别信息；查询映射表得到对应粗略类别信息的精确类别信息；映射表还用于根据用户发送的指令实时添加精确类别信息。本发明专利技术的有益效果：通过训练一个包含所有商品的商品分类模型并且建立映射表，解决了一个模板训练一个模型的缺点，可以一个模型对应多个模板，大大节省了模型训练花费的资源和时间；对于新增的商品，通过更新映射表，不需重新添加商品数据进行模型训练，实现商品分类模型的软扩展并减少模型训练频率从而节省资源。

A method of model updating based on the establishment of product appearance feature mapping table

【技术实现步骤摘要】
一种基于建立商品外观特征映射表的模型更新方法
本专利技术涉及计算机视觉领域，具体涉及一种基于建立商品外观特征映射表的模型更新方法。
技术介绍
在新零售行业中，对于商品分类的需求大多采用深度学习训练出一个分类模型实现。现有分类模型对于外观差异大的商品可以实现有效分类。对于外观非常相近的不同商品，或者同种商品的不同规格无法进行有效区分，现有模式是将上述两种情况下，商品的SKU区分开建立两个不同的模板，训练不同的模型，这种模式随着商品模板的增多将会导致训练模型的增多。
技术实现思路
本专利技术的目的在于提供一种基于建立商品外观特征映射表的模型更新方法。为达此目的，本专利技术采用以下技术方案：提供一种基于建立商品外观特征映射表的模型更新方法，包括：采集多类商品的商品数据，根据所述商品数据进行训练得到商品分类模型；采集商品实时图像，通过所述商品分类模型对所述商品实时图像进行图像识别，得到所述商品实时图像中包含的所述商品的粗略类别信息；获取用户上传的关联于所述商品的外观特征的映射表，查询所述映射表得到对应所述粗略类别信息的精确类别信息，所述映射表还用于根据用户发送的指令实时添加关联于所述商品的所述粗略类别信息的所述精确类别信息。作为模型更新方法的一种优选方案，所述商品数据包括商品图像数据和商品分类数据。作为模型更新方法的一种优选方案，采集多类所述商品的所述商品数据，根据所述商品数据进行训练得到所述商品分类模型时，每一类所述商品中包括多个具有部分相同外观特征的外观相似商品。作为模型更新方法的一种优选方案，采集多种所述商品的所述商品数据，基于每个所述商品的所述商品数据提取外观特征，将具有部分相同外观特征的所述商品作为同一类别商品。作为模型更新方法的一种优选方案，采集多类所述商品的所述商品数据后构建多个商品模板，根据多个所述商品模板训练得到所述商品分类模型。作为模型更新方法的一种优选方案，根据所述映射关系表对商品的粗略类别信息中的logit数据进行softmax计算得到所述精确类别信息。作为模型更新方法的一种优选方案，不同用户在不同的交易场景下采集的所述商品实时图像对应不同的所述映射表。作为模型更新方法的一种优选方案，同一所述映射表中的所有所述商品属于不同的商品类别。本专利技术的有益效果：通过训练一个包含所有商品的商品分类模型，能够针对不同用户在不同场景下采集的商品实时图像进行图像识别，得到商品实时图像中包含的商品的粗略类别信息，通过用户上传的映射表能够查询得到表中对应粗略类别信息的精确类别信息，每个用户在每种场景下具有一唯一的映射表，解决了一个模板训练一个模型的缺点，可以一个模型对应多个模板，一个模型识别原有多个模板中包含的商品的类别信息，大大节省了模型训练花费的资源和时间；对于新增的商品，通过更新映射表，不需要重新添加商品数据进行模型训练，实现商品分类模型的软扩展，减少模型训练频率从而节省资源。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种优选的实施例中，基于建立商品外观特征映射表的模型更新方法的流程图；图2为本专利技术一种优选的实施例中，商品、映射表以及商品分类模型的关系示意图；图3为本专利技术一种优选的实施例中，模型软外扩的流程示意图。具体实施方式下面结合附图并通过具体实施方式来进一步说明本专利技术的技术方案。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制；为了更好地说明本专利技术的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若出现术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。在本专利技术的描述中，除非另有明确的规定和限定，若出现术语“连接”等指示部件之间的连接关系，该术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。需要说明的是，在不冲突的情况下，下述技术方案，技术特征之间可以相互组合。下面结合附图对本专利技术的具体实施方式作进一步的说明：如图1所示，一种基于建立商品外观特征映射表的模型更新方法，包括：步骤S1、采集多类商品的商品数据，根据商品数据构成多个商品模板后进行训练得到商品分类模型。具体的，据商品外观特征进行数据整理，挑选外观特征非常接近的商品数据当做同一类别，将多种类别的商品的商品数据混合一起，训练出一个包含已有且外观特征差异较大的商品分类模型。步骤S2、采集商品实时图像，通过商品分类模型对商品实时图像进行图像识别，得到商品实时图像中包含的商品的粗略类别信息。步骤S3、获取用户上传的关联于商品的外观特征的映射表，查询映射表得到对应粗略类别信息的精确类别信息，映射关系表还用于根据用户发送的指令实时添加新的粗略类别信息和精确类别信息的映射关系。具体的，在模型推理阶段根据映射表得到商品分类模型应用于特定用户和特定场景时最终需要分类的商品类别，最后通过对对应商品的logits(分类概率)数据进行softmax计算，得到最终的精确分类信息。本专利技术还可以支持模型的软扩展，对于一个新的商品，如果模型中已存在外观接近的商品，只需在映射表中添加映射关系，即可完成模型软扩展。在本实施例中，通过训练一个包含所有商品的商品分类模型，能够针对不同用户在不同场景下采集的商品实时图像进行图像识别，得到商品实时图像中包含的商品的粗略类别信息，通过用户上传的映射表能够查询得到表中对应粗略类别信息的精确类别信息，每个用户在每种场景下具有一唯一的映射表，解决了一个模板训练一个模型的缺点，可以一个模型对应多个模板，一个模型识别原有多个模板中包含的商品的类别信息，大大节省了模型训练花费的资源和时间；对于新增的商品，通过更新映射表，不需要重新添加商品数据进行模型训练，实现商品分类模型的软扩展，减少模型训练频率从而节省资源。如图2所示，每个商品具有一唯一的UUID(例如图中A-E分别本文档来自技高网...

【技术保护点】
1.一种基于建立商品外观特征映射表的模型更新方法，其特征在于，包括如下步骤：/n采集多类商品的商品数据，根据所述商品数据进行训练得到商品分类模型；/n采集商品实时图像，通过所述商品分类模型对所述商品实时图像进行图像识别，得到所述商品实时图像中包含的所述商品的粗略类别信息；/n获取用户上传的关联于所述商品的外观特征的映射表，查询所述映射表得到对应所述粗略类别信息的精确类别信息，所述映射表还用于根据用户发送的指令实时添加关联于所述商品的所述粗略类别信息的所述精确类别信息。/n

【技术特征摘要】
1.一种基于建立商品外观特征映射表的模型更新方法，其特征在于，包括如下步骤：
采集多类商品的商品数据，根据所述商品数据进行训练得到商品分类模型；
采集商品实时图像，通过所述商品分类模型对所述商品实时图像进行图像识别，得到所述商品实时图像中包含的所述商品的粗略类别信息；
获取用户上传的关联于所述商品的外观特征的映射表，查询所述映射表得到对应所述粗略类别信息的精确类别信息，所述映射表还用于根据用户发送的指令实时添加关联于所述商品的所述粗略类别信息的所述精确类别信息。


2.根据权利要求1的模型更新方法，其特征在于，所述商品数据包括商品图像数据和商品分类数据。


3.根据权利要求1的模型更新方法，其特征在于，采集多类所述商品的所述商品数据，根据所述商品数据进行训练得到所述商品分类模型时，每一类所述商品中包括多个具有部分相同外观特征的外观相似...

【专利技术属性】
技术研发人员：柯政远，张发恩，李明达，
申请(专利权)人：创新奇智青岛科技有限公司，
类型：发明
国别省市：山东;37