【技术实现步骤摘要】
基于级联分类器的少样本商品分类系统及分类方法
本专利技术涉及商品分类
，具体涉及一种基于级联分类器的少样本商品分类系统及分类方法。
技术介绍
当前，基于视觉识别技术的物品分类方法通常依赖于大量的训练数据训练分类模型，并通过分类模型识别输出对物品的分类。但是在一些特定的应用场景下，有些类别的数据是很难获取的，比如某些冷门的商品、刚上新的商品等，这些商品的商品数据很有限，因此无法以这些有限的商品数据作为训练样本训练出一个有效的商品分类器对这些冷门商品进行分类识别。现有技术中，针对这些少样本商品的分类识别，大多采用一个特征提取器和一个分类器，特征提取器提取出少样本商品的商品图像特征，然后分类器根据商品图像特征得到对少样本特征的分类结果。而这些分类器仅对特征提取器的最终输出进行分类，没有对特征提取器的隐藏层特征进行分类，导致特征提取器的隐藏层特征的类间区分度不高，从而影响特征提取器最终输出的图像特征的类间区分度，最终影响对少样本商品的分类判断的准确度。
技术实现思路
本专利技术的目的在于提供...
【技术保护点】
1.一种基于级联分类器的少样本商品分类系统，用于对缺少样本特征的商品进行商品分类，其特征在于，包括：/n特征提取器训练模块，用于根据输入的多个基础商品特征样本，训练形成一特征提取器并存储；/n分类器训练模块，用于根据输入的多个基础商品类别样本，训练形成一级联分类器并存储；/n少样本商品图像获取模块，用于获取少样本商品的商品图像；/n特征提取模块，分别连接所述少样本商品图像获取模块和所述特征提取器训练模块，用于将所述少样本商品的所述商品图像输入到所述特征提取器中，随后，所述特征提取器以多层图像特征提取方式提取出关联于所述少样本商品的多层图像特征；/n分类模块，分别连接所述特征...
【技术特征摘要】
1.一种基于级联分类器的少样本商品分类系统，用于对缺少样本特征的商品进行商品分类，其特征在于，包括：
特征提取器训练模块，用于根据输入的多个基础商品特征样本，训练形成一特征提取器并存储；
分类器训练模块，用于根据输入的多个基础商品类别样本，训练形成一级联分类器并存储；
少样本商品图像获取模块，用于获取少样本商品的商品图像；
特征提取模块，分别连接所述少样本商品图像获取模块和所述特征提取器训练模块，用于将所述少样本商品的所述商品图像输入到所述特征提取器中，随后，所述特征提取器以多层图像特征提取方式提取出关联于所述少样本商品的多层图像特征；
分类模块，分别连接所述特征提取模块和所述分类器训练模块，用于将提取到的每一层的所述图像特征对应输入到所述级联分类器的每一级的分类器中，
所述级联分类器根据输入的图像特征计算得到所述少样本商品在每一分类层为对应商品类的分类权重，并通过分析所述少样本商品与基础商品的类间关联性，级联更新所述分类权重，最终基于最末层输入的所述图像特征和经级联更新最终得到的所述分类权重对所述少样本商品进行商品分类，并最终输出对所述少样本商品的分类结果。
2.如权利要求1所述的少样本商品分类系统，其特征在于，所述特征提取器提取的所述图像特征包括所述少样本商品的所述商品图像经图像特征提取后的隐藏特征。
3.如权利要求1所述的少样本商品分类系统，其特征在于，所述级联分类器中的每一级所述分类器中具体包括：
图像特征输入单元，用于对应输入所述特征提取器提取的所述图像特征；
分类权重计算单元，连接所述图像特征输入单元，用于根据输入的所述图像特征计算出所述少样本商品为对应的所述商品类的所述分类权重；
类间关联性分析单元，连接所述图像特征输入单元，用于根据输入的所述图像特征分析得到所述少样本商品与所述基础商品的所述类间关联性；
分类权重更新单元，分别连接所述分类权重计算单元和所述类间关联性分析单元，用于根据所述类间关联性，更新所述少样本商品为对应的所述商品类的所述分类权重；
分类单元，连接所述图像特征输入单元和所述分类权重更新单元，用于根据所输入的所述图像特征和经最终更新后的所述分类权重，对所述少样本商品进行商品分类，并得到所述分类结果。
4.如权利要求1所述的少样本商品分类系统，其特征在于，所述少样本商品分类系统根据关联于所述少样本商品的所述图像特征并通过注意力机制分析得到所述少样本商品与所述基础商品的所述类间关联性。
5.一种基于级联分类器的少样本商品分类方法，通过应用如权1-4任意一项的所述少样本商品分类系统实现，其特征在于，包括如下步骤：
步骤S1，所述少样本商品分类系统获取所述少样本商品的所述商品图像；
步骤S2，所述少样本商品分类系统基于预先训...
【专利技术属性】
技术研发人员：张发恩，刘金露，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11
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。