一种宝石估价方法及相关设备技术

本申请公开的一种宝石估价方法及相关设备，在线获取用户输入的第一宝石商品图片；将第一宝石商品图片输入宝石特征模型进行处理，得待估宝石特征，基于待估宝石特征和最邻近节点检索方式，由离线建立的宝石特征库中获取N个的参考宝石特征；计算待估宝石特征与每一参考宝石特征的欧式距离，获取距离值最小的最终参考宝石图片并展示；将最终参考宝石图片上的宝石价格作为第一宝石商品图片上的宝石的估价。在本申请中，通过一张待估价的宝石的图片基于以图搜图的方式检索到与该待估价的宝石最接近的宝石图片，并进行宝石估价，该方式不仅易于大规模推广，同时还大大提高了宝石的估价效率。

【技术实现步骤摘要】
一种宝石估价方法及相关设备
本专利技术涉及计算机视觉
，具体为一种宝石估价方法及相关设备。
技术介绍
现有针对翡翠等宝石的估价主要通过专家进行人工研判，以得到针对翡翠等宝石的估价。但该研判过程主要依赖于专家的经验，每一个专家的经验不同，可能针对同一个宝石会得到不同的估价结果。由此可知，现有仅依靠专家经验对翡翠等宝石进行估价，存在主观性强、效率低、难以大规模推广的缺点。
技术实现思路
有鉴于此，本专利技术实施例提供了一种宝石估价方法及相关设备，以解决现有对宝石进行估价过程中存在的主观性强、效率低、难以大规模推广的缺点。为实现上述目的，本专利技术实施例提供如下技术方案：本专利技术实施例第一方面公开了一种宝石估价方法，在线获取用户输入的第一宝石商品图片；对所述第一宝石商品图片进行去背景处理，得到第二宝石商品；将所述第二宝石商品图片输入宝石特征提取模型进行宝石特征提取处理，得到输出的待估宝石特征，所述宝石特征提取模型基于宝石数据集离线训练得到，所述宝石数据集包括收集的参考宝石图片，所述参考宝石图片包括宝石图像、宝石估价和宝石3C2T特征；基于所述待估宝石特征和最邻近节点KNN检索方式，由离线建立的宝石特征库中获取N个的参考宝石特征，每一参考宝石特征对应一参考宝石图片，每一所述参考宝石图片上标注有宝石价格，N为取值大于1的正整数；计算所述待估宝石特征与每一所述参考宝石特征的欧式距离，获取计算得到欧式距离值最小的参考宝石特征所对应的最终参考宝石图片；展示所述最终参考宝石图片，将所述最终参考宝石图片上的宝石价格作为所述第一宝石商品图片上的宝石的估价。可选的，所述计算所述宝石特征与每一所述参考宝石特征的欧式距离之后，还包括：按照由小至大的距离值排列计算得到所述欧式距离值的参考宝石特征所对应的参考宝石图片；展示前Z张参考宝石图片，并突出显示排列第一张的参考宝石图片，将所述排列第一张的参考宝石图片上的宝石价格作为所述第一宝石商品图片上的宝石的估价，Z的取值为大于1的正整数，且小于N。可选的，所述基于宝石数据集离线训练宝石特征提取模型的过程包括：利用收集到的M张参考宝石图片建立宝石数据集，所述参考宝石图片包括宝石图像、宝石估价和宝石3C2T特征，M的取值大于1的正整数；基于深度神经网络架构，将所述宝石数据集作为所述深度神经网络架构中的一个批处理，对所述M张参考宝石图片进行一次随机数据增强，得到2M张参考宝石图片，每一参考宝石图片对应一数据增强图片；在所述批处理中执行迭代运算，选取任一张所述参考宝石图片X1和其对应的数据增强图片X1′作为正样本对，将所述正样本对输入至初始宝石特征提取模型，分别得到特征向量F1和F1′；将其余的2M-2张参考宝石图片作为负样本对，输入至所述初始宝石特征提取模型，得到特征向量F2、F2′…FM、FM′；将所述特征向量F1分别与所述特征向量F1′、F2、F2′…FM、FM′进行余弦距离计算，直至确认损失函数值最小，得到训练后的宝石特征提取模型；其中，所述损失函数值i指第i张参考宝石图片。可选的，所述离线建立宝石特征库的过程包括：利用离线训练得到的宝石特征提取模型提取所述宝石数据集中每一参考宝石图片的参考宝石特征；获取每一所述参考宝石图片的高层语义向量，建立宝石特征库。本专利技术实施例第二方面公开了一种宝石估价系统，包括：获取模块，用于在线获取用户输入的第一宝石商品图片；预处理模块，用于对所述第一宝石商品图片进行去背景处理，得到第二宝石商品；宝石特征提取模块，用对输入的所述第二宝石商品图片进行宝石特征提取处理，输出待估宝石特征，所述宝石特征提取模型基于宝石数据集离线训练得到，所述宝石数据集包括收集的参考宝石图片，所述参考宝石图片包括宝石图像、宝石估价和宝石3C2T特征；检索模块，用于基于所述待估宝石特征和最邻近节点KNN检索方式，由离线建立的宝石特征库中获取N个的参考宝石特征，每一参考宝石特征对应一参考宝石图片，每一所述参考宝石图片上标注有宝石价格，N为取值大于1的正整数；处理模块，用于计算所述待估宝石特征与每一所述参考宝石特征的欧式距离，获取计算得到欧式距离值最小的参考宝石特征所对应的最终参考宝石图片；展示模块，用于展示所述最终参考宝石图片，将所述最终参考宝石图片上的宝石价格作为所述第一宝石商品图片上的宝石的估价。可选的，所述处理模块，还用于按照由小至大的欧式距离值排列计算得到所述距离值的参考宝石特征所对应的参考宝石图片；所述展示模块，还用于展示前Z个参考宝石图片，并突出显示排列第一位的参考宝石图片，将所述排列第一位的参考宝石图片上的宝石价格作为所述第一宝石商品图片上的宝石的估价，Z的取值为大于1的正整数，且小于N。可选的，所述系统还包括：离线训练模块；所述离线训练模块包括：采集模块，用于利用收集到的M张参考宝石图片建立宝石数据集，所述参考宝石图片包括宝石图像、宝石估价和宝石3C2T特征，M的取值大于1的正整数；增强模块，用于基于深度神经网络架构，将所述宝石数据集作为所述深度神经网络架构中的一个批处理，对所述M张参考宝石图片进行一次随机数据增强，得到2M张参考宝石图片，每一参考宝石图片对应一数据增强图片；训练模块，用于在所述批处理中执行迭代运算，选取任一张所述参考宝石图片X1和其对应的数据增强图片X1′作为正样本对，将所述正样本对输入至初始宝石特征提取模型，分别得到特征向量F1和F1′；将其余的2M-2张参考宝石图片作为负样本对，输入至所述初始宝石特征提取模型，得到特征向量F2、F2′…FM、FM′；将所述特征向量F1分别与所述特征向量F1′、F2、F2′…FM、FM′进行余弦距离计算，直至确认损失函数值最小，得到训练后的宝石特征提取模型；其中，所述损失函数值i指第i张参考宝石图片。可选的，所述训练模块，还用于利用离线训练得到的宝石特征提取模型提取所述宝石数据集中每一参考宝石图片的参考宝石特征；获取每一所述参考宝石图片的高层语义向量，建立宝石特征库。本专利技术实施例第三方面公开了一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储宝石估价的程序代码和数据，所述处理器用于调用所述存储器中的程序指令执行如本专利技术实施例第一方面公开的宝石估价方法。本专利技术实施例第四方面公开了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如本专利技术实施例第一方面公开的宝石估价方法。由上述内容可知，本申请公开的一种宝石估价方法及相关设备，在线获取用户输入的第一宝石商品图片；对所述第一宝石商品图片进行去背景处理，得到第二宝石商品；将所述第二宝石商品图片输入宝石特征提取模型进行宝石特征提取处理，得到输出的待估宝石特征，所述宝石特征提取模型基于宝石数据集离线训练得到，所述宝石数据集包括收集的参考宝石图片，所述本文档来自技高网...

【技术保护点】
1.一种宝石估价方法，其特征在于，/n在线获取用户输入的第一宝石商品图片；/n对所述第一宝石商品图片进行去背景处理，得到第二宝石商品；/n将所述第二宝石商品图片输入宝石特征提取模型进行宝石特征提取处理，得到输出的待估宝石特征，所述宝石特征提取模型基于宝石数据集离线训练得到，所述宝石数据集包括收集的参考宝石图片，所述参考宝石图片包括宝石图像、宝石估价和宝石3C2T特征；/n基于所述待估宝石特征和最邻近节点KNN检索方式，由离线建立的宝石特征库中获取N个的参考宝石特征，每一参考宝石特征对应一参考宝石图片，每一所述参考宝石图片上标注有宝石价格，N为取值大于1的正整数；/n计算所述待估宝石特征与每一所述参考宝石特征的欧式距离，获取计算得到欧式距离值最小的参考宝石特征所对应的最终参考宝石图片；/n展示所述最终参考宝石图片，将所述最终参考宝石图片上的宝石价格作为所述第一宝石商品图片上的宝石的估价。/n

【技术特征摘要】
1.一种宝石估价方法，其特征在于，
在线获取用户输入的第一宝石商品图片；
对所述第一宝石商品图片进行去背景处理，得到第二宝石商品；
将所述第二宝石商品图片输入宝石特征提取模型进行宝石特征提取处理，得到输出的待估宝石特征，所述宝石特征提取模型基于宝石数据集离线训练得到，所述宝石数据集包括收集的参考宝石图片，所述参考宝石图片包括宝石图像、宝石估价和宝石3C2T特征；
基于所述待估宝石特征和最邻近节点KNN检索方式，由离线建立的宝石特征库中获取N个的参考宝石特征，每一参考宝石特征对应一参考宝石图片，每一所述参考宝石图片上标注有宝石价格，N为取值大于1的正整数；
计算所述待估宝石特征与每一所述参考宝石特征的欧式距离，获取计算得到欧式距离值最小的参考宝石特征所对应的最终参考宝石图片；
展示所述最终参考宝石图片，将所述最终参考宝石图片上的宝石价格作为所述第一宝石商品图片上的宝石的估价。


2.根据权利要求1所述的方法，其特征在于，所述计算所述宝石特征与每一所述参考宝石特征的欧式距离之后，还包括：
按照由小至大的距离值排列计算得到所述欧式距离值的参考宝石特征所对应的参考宝石图片；
展示前Z张参考宝石图片，并突出显示排列第一张的参考宝石图片，将所述排列第一张的参考宝石图片上的宝石价格作为所述第一宝石商品图片上的宝石的估价，Z的取值为大于1的正整数，且小于N。


3.根据权利要求1所述的方法，其特征在于，所述基于宝石数据集离线训练宝石特征提取模型的过程包括：
利用收集到的M张参考宝石图片建立宝石数据集，所述参考宝石图片包括宝石图像、宝石估价和宝石3C2T特征，M的取值大于1的正整数；
基于深度神经网络架构，将所述宝石数据集作为所述深度神经网络架构中的一个批处理，对所述M张参考宝石图片进行一次随机数据增强，得到2M张参考宝石图片，每一参考宝石图片对应一数据增强图片；
在所述批处理中执行迭代运算，选取任一张所述参考宝石图片X1和其对应的数据增强图片X1′作为正样本对，将所述正样本对输入至初始宝石特征提取模型，分别得到特征向量F1和F1′；
将其余的2M-2张参考宝石图片作为负样本对，输入至所述初始宝石特征提取模型，得到特征向量F2、F2′…FM、FM′；
将所述特征向量F1分别与所述特征向量F1′、F2、F2′…FM、FM′进行余弦距离计算，直至确认损失函数值最小，得到训练后的宝石特征提取模型；
其中，所述损失函数值i指第i张参考宝石图片。


4.根据权利要求3所述的方法，其特征在于，所述离线建立宝石特征库的过程包括：
利用离线训练得到的宝石特征提取模型提取所述宝石数据集中每一参考宝石图片的参考宝石特征；
获取每一所述参考宝石图片的高层语义向量，建立宝石特征库。


5.一种宝石估价系统，其特征在于，包括：
获取模块，用于在线获取用户输入的第一宝石商品图片；
预处理模块，用于对所述第一宝石商品图片进行去背景处理，得到第二宝石商品；
宝石特征提取模块，用对输入的...

【专利技术属性】
技术研发人员：郑康元，贺亮亮，吴碧仪，
申请(专利权)人：广州华多网络科技有限公司，
类型：发明
国别省市：广东;44