【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 ...
【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
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。