一种广告单中商品检测方法及装置制造方法及图纸

本发明专利技术实施例提供了一种广告单中商品检测方法及装置，方法包括：将待检测广告单输入训练好的商品检测模型中，获取所述待检测广告单中商品信息；将所述商品信息输入训练好的商品比对模型中，提取商品的特征向量；将所述商品的特征向量与预设商品对比库中的商品向量进行相似度比较，确定相似度小于预设预支的商品类别，以完成对所述待检测广告单中商品的检测。本发明专利技术实施例提供的一种广告单中商品检测方法及装置，通过使用深度学习神经网络对广告单图像进行处理，自动提取和组合图片的纹理以及边缘等特征，从而检测出广告单中商品的位置，并对提取出的商品进行向量化，使其能够快速地与商品库中的商品进行比对。

A method and device of commodity detection in advertisement list

【技术实现步骤摘要】
一种广告单中商品检测方法及装置
本专利技术涉及图像处理
，尤其涉及一种广告单中商品检测方法及装置。
技术介绍
近年来电子商务飞速发展，随着市场的不断扩大以及各种商业产业的不断增加，越来越多的物品可以供用户选择、购买和使用。在实践过程中，商家往往以广告单的形式对商品进行推销。目前，现有技术中一般采用基于检测detection的技术对广告单中的商品进行检测。但该方法存在以下问题：首先该方法会在分类阶段受制于数据和固定类别的限制，面对快速变化的商品库，无法做到很好的适应，其次，由于广告单中的商品众多，可能会互相遮挡，如果单纯从最小包围框来进行分类，会引入造成遮挡的商品的部分图像，导致输入存在过多的噪声。因此，现在亟需一种新的广告单中商品检测方法来解决上述问题。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的一种广告单中商品检测方法及装置。第一方面本专利技术实施例提供一种广告单中商品检测方法，包括：将待检测广告单输入训练好的商品检测模型中，获取所述待检测广告单中商品信息；将所述商品信息输入训练好的商品比对模型中，提取商品的特征向量；将所述商品的特征向量与预设商品对比库中的商品向量进行相似度比较，确定相似度小于预设预支的商品类别，以完成对所述待检测广告单中商品的检测。其中，在所述将待检测广告单输入训练好的商品检测模型中之前，所述方法还包括：建立所述商品检测模型，并对所述商品检测模型进行训练，得到所述训练好的商品检测模型。其中，在所述将待检测广告单输入训练好的商品检测模型中之前，所述方法还包括：建立所述商品比对模型，并对所述商品比对模型进行训练，得到所述训练好的商品比对模型。其中，所述对所述商品比对模型进行训练，包括：将三张商品图片构成一个商品对，其中两张商品图片为同一商品；基于孪生网络，对每一个商品对提取向量，并计算向量之间的欧式距离。第二方面本专利技术实施例还提供一种广告单中商品检测装置，包括：广告单输入模块，用于将待检测广告单输入训练好的商品检测模型中，获取所述待检测广告单中商品信息；特征提取模块，用于将所述商品信息输入训练好的商品比对模型中，提取商品的特征向量；检测模块，用于将所述商品的特征向量与预设商品对比库中的商品向量进行相似度比较，确定相似度小于预设预支的商品类别，以完成对所述待检测广告单中商品的检测。其中，所述广告单中商品检测装置还包括：第一模型训练模块，用于建立所述商品检测模型，并对所述商品检测模型进行训练，得到所述训练好的商品检测模型。其中，所述广告单中商品检测装置还包括：第二模型训练模块，用于建立所述商品比对模型，并对所述商品比对模型进行训练，得到所述训练好的商品比对模型。其中，所述第二模型训练模块具体用于：将三张商品图片构成一个商品对，其中两张商品图片为同一商品；基于孪生网络，对每一个商品对提取向量，并计算向量之间的欧式距离。第三方面本专利技术实施例提供了一种电子设备，包括：处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述广告单中商品检测方法。第四方面本专利技术实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述广告单中商品检测方法。本专利技术实施例提供的一种广告单中商品检测方法及装置，通过使用深度学习神经网络对广告单图像进行处理，自动提取和组合图片的纹理以及边缘等特征，从而检测出广告单中商品的位置，并对提取出的商品进行向量化，使其能够快速地与商品库中的商品进行比对。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本专利技术实施例提供的一种广告单中商品检测方法流程示意图；图2是本专利技术实施例提供的一种广告单中商品检测装置结构示意图；图3是本专利技术实施例提供的一种电子设备的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术实施例提供的一种广告单中商品检测方法流程示意图，如图1所示，包括：101、将待检测广告单输入训练好的商品检测模型中，获取所述待检测广告单中商品信息；102、将所述商品信息输入训练好的商品比对模型中，提取商品的特征向量；103、将所述商品的特征向量与预设商品对比库中的商品向量进行相似度比较，确定相似度小于预设预支的商品类别，以完成对所述待检测广告单中商品的检测。需要说明的是，本专利技术实施例的执行主体为计算机设备所预先存储的计算机软件程序，针对的实施场景为在广告单识别商品过程中人工识别不准以及人工识别成本过高的环境。具体的，在步骤101中，本专利技术实施例对于每个需要检测的广告单，即本专利技术实施例中的待检测广告单，将其输入到已经训练好的商品检测模型中，该商品检测模型是本专利技术实施例预先根据业务需求采用深度神经网络架构进行训练得到的，它能够自动提取图片的纹理以及边缘等特征，从而准确的确定出广告单中商品的位置。优选的，在实际识别过程中，本专利技术实施例会输出商品的外包围框以及框中像素是否属于该商品的掩膜，在本专利技术实施例中将上述关于商品的特征统称为商品信息。进一步的，在步骤102中，本专利技术实施例会将商品检测模型的输出结果，即本专利技术实施例中的商品信息输入到预先训练好的商品比对模型中，进行商品比对。同样的，该商品比对模型也是本专利技术实施例预先训练好的，用于提取商品的特征的神经网络模型。该模型会将商品的特征进行向量化，输出商品的特征向量。最后，在步骤103中，本专利技术实施例中将得到的商品特征向量与预设商品库中的商品的进行比对，在商品库中找出相似度小于预设阈值的目标商品，从而确定待检测广告单中的商品类型，完成商品类型的检测和分类。本专利技术实施例提供的一种广告单中商品检测方法，通过使用深度学习神经网络对广告单图像进行处理，自动提取和组合图片的纹理以及边缘等特征，从而检测出广告单中商品的位置，并对提取出的商品进行向量化，使其能够快速地与商品库中的商品进行比对。与此同时，本专利技术实施例提供的方法还具有部署简单，人工干预少，自动化程度高等特点。能够在短时间内检测出广告单中本文档来自技高网...

【技术保护点】
1.一种广告单中商品检测方法，其特征在于，包括：/n将待检测广告单输入训练好的商品检测模型中，获取所述待检测广告单中商品信息；/n将所述商品信息输入训练好的商品比对模型中，提取商品的特征向量；/n将所述商品的特征向量与预设商品对比库中的商品向量进行相似度比较，确定相似度小于预设预支的商品类别，以完成对所述待检测广告单中商品的检测。/n

【技术特征摘要】
1.一种广告单中商品检测方法，其特征在于，包括：
将待检测广告单输入训练好的商品检测模型中，获取所述待检测广告单中商品信息；
将所述商品信息输入训练好的商品比对模型中，提取商品的特征向量；
将所述商品的特征向量与预设商品对比库中的商品向量进行相似度比较，确定相似度小于预设预支的商品类别，以完成对所述待检测广告单中商品的检测。


2.根据权利要求1所述的广告单中商品检测方法，其特征在于，在所述将待检测广告单输入训练好的商品检测模型中之前，所述方法还包括：
建立所述商品检测模型，并对所述商品检测模型进行训练，得到所述训练好的商品检测模型。


3.根据权利要求2所述的广告单中商品检测方法，其特征在于，在所述将待检测广告单输入训练好的商品检测模型中之前，所述方法还包括：
建立所述商品比对模型，并对所述商品比对模型进行训练，得到所述训练好的商品比对模型。


4.根据权利要求3所述的广告单中商品检测方法，其特征在于，所述对所述商品比对模型进行训练，包括：
将三张商品图片构成一个商品对，其中两张商品图片为同一商品；
基于孪生网络，对每一个商品对提取向量，并计算向量之间的欧式距离。


5.一种广告单中商品检测装置，其特征在于，包括：
广告单输入模块，用于将待检测广告单输入训练好的商品检测模型中，获取所述待检测广告单中商品信息；
特征提取模块，用于将所述商品...

【专利技术属性】
技术研发人员：王力，罗诚，
申请(专利权)人：苏州方正璞华信息技术有限公司，
类型：发明
国别省市：江苏;32