一种商品识别模型的特征底库更新方法及装置制造方法及图纸

本申请公开了一种商品识别模型的特征底库更新方法及装置，本申请通过将新商品图像样本添加到原始图像数据集制作出图像特征底库，再把图像特征底库应用到商品识别模型，并利用商品识别模型对预设的商品验证样本集进行商品识别验证，将商品识别结果中的识别错误样本添加到该底库制作样本集，再利用更新后的新底库制作样本集，制作图像特征底库并进行商品识别验证，直至商品识别的准确度复核要求为止，通过本申请提供的方法可以避免重新训练模型需要的时间以及大量采集新商品数据的工作量，能够通过错误样本反馈的方式保证底库应用时特征对比的精度，使得门店商品上新的时间和上新的周期缩短，优化新零售的运行。

【技术实现步骤摘要】
一种商品识别模型的特征底库更新方法及装置
本申请涉及图像处理
，尤其涉及一种商品识别模型的特征底库更新方法及装置。
技术介绍
随着人工智能技术的快速发展，使得基于深度学习的图像处理与识别算法性能得到极大提升，视觉图像处理与识别的应用逐渐深入到社会的各个方面，应用人工智能技术的“新零售”也逐渐从概念走向落地。所谓“新零售”指的是运用新的技术和新的模式革新商品销售的各个环节甚至整个商业生态的无人化、智能化商品销售模式。现有的新零售门店商品的上新普遍采用重新训练商品识别模型的策略，当商品的包装发生变化或者有少量商品需要上新时，普遍的做法是大量采取相应商品的图片进行图片的预处理，包括剔除无用照片、打标签、模型训练等，导致现有的新零售门店存在商品上新准备工作执行周期长、商品上新效率低的技术问题。
技术实现思路
本申请提供了一种商品识别模型的特征底库更新方法及装置，用于解决现有的新零售门店存在商品上新准备工作执行周期长、商品上新效率低的技术问题。有鉴于此，本申请第一方面提供了一种商品识别模型的特征底库更新方法，包括：采集新商品图像样本；将所述新商品图像样本添加到原始图像数据集，得到第一图像数据集；按照预设的第一抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为底库制作样本集，并根据所述底库制作样本集制作图像特征底库；将所述图像特征底库应用到商品识别模型，并利用所述商品识别模型对预设的商品验证样本集进行商品特征比对识别验证，以获得商品识别结果；若所述商品识别结果的识别错误率不高于预设的错误上限阈值，则输出当前的图像特征底库，若所述商品识别结果的识别错误率高于预设的错误上限阈值，则将所述商品识别结果中的识别错误样本添加到所述底库制作样本集，得到更新后的底库制作样本集，并基于所述更新后的底库制作样本集制作新的图像特征底库，直至最新的图像特征底库对应的识别错误率不高于预设的错误上限阈值为止。优选地，所述根据所述底库制作样本集制作图像特征底库的过程具体包括：根据底库制作样本集中的商品图像样本，结合图像特征提取算法，提取所述商品图像样本的商品图像特征，其中所述图像特征提取算法与所述商品识别模型中使用的特征提取算法相对应；通过特征聚类算法，对所述商品图像特征进行聚类处理，并基于聚类后的商品图像特征进行整合，得到图像特征底库。优选地，所述商品验证样本集的获取过程具体包括：按照预设的第二抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为商品验证样本集。优选地，还包括：累计所述底库制作样本集的迭代更新次数，当所述底库制作样本集的迭代更新次数超过预设的迭代次数阈值时，输出最新的图像特征底库。优选地，所述特征聚类算法具体为K-means聚类算法。本申请第二方面提供了一种商品识别模型的特征底库更新装置，包括：新商品图像采集模块，用于采集新商品图像样本；第一数据集获取模块，用于将所述新商品图像样本添加到原始图像数据集，得到第一图像数据集；图像特征底库生成模块，用于按照预设的第一抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为底库制作样本集，并根据所述底库制作样本集制作图像特征底库；商品识别处理模块，用于将所述图像特征底库应用到商品识别模型，并利用所述商品识别模型对预设的商品验证样本集进行商品特征比对识别验证，以获得商品识别结果；图像特征底库更新模块，用于若所述商品识别结果的识别错误率不高于预设的错误上限阈值，则输出当前的图像特征底库，若所述商品识别结果的识别错误率高于预设的错误上限阈值，则将所述商品识别结果中的识别错误样本添加到所述底库制作样本集，得到更新后的底库制作样本集，并基于所述更新后的底库制作样本集制作新的图像特征底库，直至最新的图像特征底库对应的识别错误率不高于预设的错误上限阈值为止。优选地，所述图像特征底库生成模块具体包括：第一抽样子模块，用于按照预设的第一抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为底库制作样本集；特征提取子模块，用于根据底库制作样本集中的商品图像样本，结合图像特征提取算法，提取所述商品图像样本的商品图像特征，其中所述图像特征提取算法与所述商品识别模型中使用的特征提取算法相对应；特征聚类子模块，用于通过特征聚类算法，对所述商品图像特征进行聚类处理，并基于聚类后的商品图像特征进行整合，得到图像特征底库。优选地，还包括：第二抽样模块，用于按照预设的第二抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为商品验证样本集。优选地，还包括：图像特征底库更新控制模块，用于累计所述底库制作样本集的迭代更新次数，当所述底库制作样本集的迭代更新次数超过预设的迭代次数阈值时，输出最新的图像特征底库。优选地，所述特征聚类算法具体为K-means聚类算法。从以上技术方案可以看出，本申请具有以下优点：本申请通过将所述新商品图像样本添加到原始图像数据集制作出图像特征底库，再把图像特征底库应用到商品识别模型，并利用所述商品识别模型对预设的商品验证样本集进行商品识别验证，将商品识别结果中的识别错误样本添加到该底库制作样本集，再利用更新后的新底库制作样本集，制作图像特征底库并进行商品识别验证，直至商品识别的准确度复核要求为止，通过本申请提供的方法可以避免重新训练模型需要的时间以及大量采集新商品数据的工作量，能够通过错误样本反馈的方式保证底库应用时特征对比的精度，使得门店商品上新的时间和上新的周期缩短，优化新零售的运行。附图说明为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本申请提供的一种商品识别模型的特征底库更新方法的第一个实施例的流程示意图；图2为本申请提供的一种商品识别模型的特征底库更新方法的第二个实施例的流程示意图；图3为本申请提供的一种商品识别模型的特征底库更新装置的第一个实施例的流程示意图。具体实施方式目前，现有的新零售门店商品的上新普遍采用重新训练商品识别模型的策略，当商品的包装发生变化或者有少量商品需要上新时，普遍的做法是大量采取相应商品的图片进行图片的预处理，包括剔除无用照片、打标签、模型训练等，如果采用重新训练分类模型的策略，将采集的数据混入之前的分类数据集，在GTX1080上训练的话大概需要花费22小时的时长，耗费大量的时间成本来生成可用的商品分类模型。而且当只有极少数的商品外观发生改变或少量商品需要上新时，当采用重新训练商品分类模型的策略时，维护成本太高，直接影响商品零售运营的效率，因此本文档来自技高网...

【技术保护点】
1.一种商品识别模型的特征底库更新方法，其特征在于，包括：/n采集新商品图像样本；/n将所述新商品图像样本添加到原始图像数据集，得到第一图像数据集；/n按照预设的第一抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为底库制作样本集，并根据所述底库制作样本集制作图像特征底库；/n将所述图像特征底库应用到商品识别模型，并利用所述商品识别模型对预设的商品验证样本集进行商品特征比对识别验证，以获得商品识别结果；/n若所述商品识别结果的识别错误率不高于预设的错误上限阈值，则输出当前的图像特征底库，若所述商品识别结果的识别错误率高于预设的错误上限阈值，则将所述商品识别结果中的识别错误样本添加到所述底库制作样本集，得到更新后的底库制作样本集，并基于所述更新后的底库制作样本集制作新的图像特征底库，直至最新的图像特征底库对应的识别错误率不高于预设的错误上限阈值为止。/n

【技术特征摘要】
1.一种商品识别模型的特征底库更新方法，其特征在于，包括：
采集新商品图像样本；
将所述新商品图像样本添加到原始图像数据集，得到第一图像数据集；
按照预设的第一抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为底库制作样本集，并根据所述底库制作样本集制作图像特征底库；
将所述图像特征底库应用到商品识别模型，并利用所述商品识别模型对预设的商品验证样本集进行商品特征比对识别验证，以获得商品识别结果；
若所述商品识别结果的识别错误率不高于预设的错误上限阈值，则输出当前的图像特征底库，若所述商品识别结果的识别错误率高于预设的错误上限阈值，则将所述商品识别结果中的识别错误样本添加到所述底库制作样本集，得到更新后的底库制作样本集，并基于所述更新后的底库制作样本集制作新的图像特征底库，直至最新的图像特征底库对应的识别错误率不高于预设的错误上限阈值为止。


2.根据权利要求1所述的一种商品识别模型的特征底库更新方法，其特征在于，所述根据所述底库制作样本集制作图像特征底库的过程具体包括：
根据底库制作样本集中的商品图像样本，结合图像特征提取算法，提取所述商品图像样本的商品图像特征，其中所述图像特征提取算法与所述商品识别模型中使用的特征提取算法相对应；
通过特征聚类算法，对所述商品图像特征进行聚类处理，并基于聚类后的商品图像特征进行整合，得到图像特征底库。


3.根据权利要求1所述的一种商品识别模型的特征底库更新方法，其特征在于，所述商品验证样本集的获取过程具体包括：
按照预设的第二抽样比例，从所述第一图像数据集中抽取商品图像样本，以所述商品图像样本作为商品验证样本集。


4.根据权利要求1所述的一种商品识别模型的特征底库更新方法，其特征在于，还包括：
累计所述底库制作样本集的迭代更新次数，当所述底库制作样本集的迭代更新次数超过预设的迭代次数阈值时，输出最新的图像特征底库。


5.根据权利要求2所述的一种商品识别模型的特征底库更新方法，其特征在于，所述特征聚类算法具体为K-means聚类算法。


6.一种商品识别模型的特征底库更新装置，其特征在于，包括：
新商品图像采集模块，用于采集新商品图像样本；
第一数据集获取...

【专利技术属性】
技术研发人员：宋志博，刘思伟，
申请(专利权)人：广州织点智能科技有限公司，
类型：发明
国别省市：广东;44