本申请公开商品图像检索处理方法及其相应的装置、设备、介质，其方法包括：接收客户端在电商平台搜索页面提交的待检索图像，将该待检索图像所包含的待检索商品图像馈入至预训练至收敛状态的特征提取模型中进行特征提取，获得相应的商品特征图，所述商品特征图由所述特征提取模型所包括的至少两个子模型分别提取所得的特征图进行拼接、融合形成；从特征索引库中检索与所述商品特征图相匹配的特征样本，所述特征样本为将所述电商平台的至少部分商品的展示图像经该特征提取模型进行特征提取而成；封装包含所述相匹配的特征样本为检索结果页面，将该检索结果页面推送给所述客户端。本方法提升了在电商平台上查找相关商品效率，提高了检索的准确度。提高了检索的准确度。提高了检索的准确度。
【技术实现步骤摘要】
商品图像检索处理方法及其相应的装置、设备、介质
[0001]本申请属于互联网
，具体涉及一种商品图像检索处理方法，及其相应的装置、设备、介质。
技术介绍
[0002]在互联网电商领域，随着电商平台快速发展，消费者对所需要的商品的检索也越来越多，目前的商品检索大都是通过搜索商品名称、商品品牌、商品店铺等文字信息，搜索结果也将因品牌名称、商品店铺名称等的匹配程度进行排序展示。这些检索结果对消费者来说，精确度与匹配度不高，消费者通常仍需要通过二次筛选才能过滤掉同名商品。
[0003]为丰富检索手段和提升检索目标商品的效率，对于一些可拍照或已有图片的商品，“以图搜图”相关技术方案及其应用便应运而生，借助“以图搜图”，消费者用户可以将实时拍摄的或者内存中的存储的商品图片导入电商平台的搜索页面中，提交给服务器进行检索，在服务器的搜索服务执行后，直接获取所有与此商品图片的同款或近似商品的访问链接，从而实现“所见所搜即所得”的效果。
[0004]现有技术中，各家电商平台所提出的“以图搜图”的实现方案各有千秋、莫衷一是，其应用效果的优劣主要体现在搜索图片的准确率方面，直接作用于用户的个人感知，从而影响用户体验。“以图搜图”一般采用卷积神经网络模型来实现，各家电商平台对模型的选取，以及对模型所提取的特征的处理，直接决定了搜索图片的效果。实践可见，目前各家电商平台所实现的“以图搜图”的功能的使用效果仍未能被广泛认可，未能基于用户输出的图片检索出精准的匹配结果。
技术实现思路
[0005]鉴于现有技术所存在的不足，本申请的目的，旨在提供一种商品图像检索处理方法及其相应的商品图像检索处理装置、电子设备、非易失性存储介质。
[0006]为满足本申请的目的，本申请采用如下技术方案：
[0007]适应本申请的目的之一而提出的一种商品图像检索处理方法，包括如下步骤：
[0008]接收客户端在电商平台搜索页面提交的待检索图像，将该待检索图像所包含的待检索商品图像馈入至预训练至收敛状态的特征提取模型中进行特征提取，获得相应的商品特征图，所述商品特征图由所述特征提取模型所包括的至少两个子模型分别提取所得的特征图进行拼接、融合形成；
[0009]从特征索引库中检索与所述商品特征图相匹配的特征样本，所述特征样本为将所述电商平台的至少部分商品的展示图像经该特征提取模型进行特征提取而成；
[0010]封装包含所述相匹配的特征样本为检索结果页面，将该检索结果页面推送给所述客户端。
[0011]进一步的实施例中，所述特征提取模型进行特征提取的过程的步骤中，还包括：
[0012]将馈入至其中的图像分流至第一子模型和第二子模型分别进行多层次的卷积操
作以实现特征提取；
[0013]将第一子模型和第二子模型分别执行多层次特征提取过程中各自获取的所述图像的中间特征图进行拼接，构成拼接特征图；
[0014]将所述拼接特征图进行特征首次融合，将首次融合所得的特征图池化为目标尺寸的池化特征图；
[0015]将第一子模型和第二子模型分别执行卷积操作获取的各自的最终特征图与所述池化特征图进行二次拼接，获得被输入的图像相应的商品特征图。
[0016]进一步的实施例中，将第一子模型和第二子模型分别执行卷积操作获取的各自的最终特征图与所述池化特征图进行二次拼接，获得被输入的图像相应的商品特征图的步骤中，对二次拼接所得的特征产物执行特征二次融合以获得所述被输入的图像相应的商品特征图。
[0017]进一步的实施例中，所述商品图像检索处理方法还执行如下前置步骤：
[0018]将预备的图像训练样本输入至所述特征提取模型中进行所述的特征提取；
[0019]将特征提取所得的商品特征图通过分类器进行分类，获取分类结果；
[0020]利用与图像训练样本相对应的预标记的监督图像对分类结果进行监督，并利用监督结果向第一子模型和第二子模型反向传播以修正相关权重参数，使整个特征提取模型训练至收敛而适于对商品图像提取商品特征图。
[0021]进一步的实施例中，所述商品图像检索处理方法还包括与所述封装包含所述相匹配的特征样本为检索结果页面，将该检索结果页面推送给所述客户端的步骤相并列或者相互替换的如下步骤：
[0022]将对待检索商品图像执行特征提取获得的相应的商品特征图存储至所述特征索引库中，构成该特征索引库的增量数据。
[0023]进一步的实施例中，从特征索引库中检索与所述商品特征图相匹配的特征样本的步骤中，采用欧几里得距离算法、皮尔逊相关系数算法、余弦相似度算法中至少一种算法计算所述商品特征图与各个所述的特征样本的相似度，将相似度较高的前若干个特征样本作为所述相匹配的特征样本。
[0024]进一步的实施例中，所述至少两个子模型中，包括基于ResNet神经网络的子模型和基于DenseNet神经网络的子模型。
[0025]进一步的实施例中，将该待检索图像所包含的待检索商品图像馈入至预训练至收敛状态的特征提取模型中进行特征提取的步骤，其包括：
[0026]对待检索图像中的商品区域进行定位，以提取出相应的所述待检索商品图像；
[0027]将所述待检索商品图像格式化为适于所述特征提取模型处理的预定标准尺寸大小的待检索商品图像以馈入至该特征提取模型处理。
[0028]进一步的实施例中，所述展示图像所表达的商品包括服饰、家电、家具等常见的几类任意一种。
[0029]适应于本申请的目的之一而提供的一种商品图像检索处理装置，其包括：
[0030]特征提取模块，用于接收客户端在电商平台搜索页面提交的待检索图像，将该待检索图像所包含的待检索商品图像馈入至预训练至收敛状态的特征提取模型中进行特征提取，获得相应的商品特征图；
[0031]特征检索模块，用于从特征索引库中检索与所述商品特征图相匹配的特征样本；
[0032]结果推送模块，用于封装包含所述相匹配的特征样本为检索结果页面，将该检索结果页面推送给所述客户端。
[0033]适应于本申请的目的之一而提供的一种电子设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行所述商品图像检索处理方法的步骤。
[0034]适应于本申请的目的之一而提供一种非易失性存储介质，其以计算机可读指令的形式存储有依据所述的方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行该商品图像检索处理方法所包括的步骤。
[0035]相对于现有技术，本申请具有如下优势：
[0036]本申请通过将待检索图像馈入至特征提取模型的两个子模型中进行特征提取，将两个子模型所提取的特征图进行拼接和融合，综合了两个子模型的优点，获得较强的语义抽象能力，不仅可以很好地将待检索图像的图像信息映射到高维空间得到对应的高维表示，还能较好地抑制背景噪声，获得更有效的商品特征图，在此基础，采用同样由该特征提取模型预先提取电商平台的商品图片的特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种商品图像检索处理方法，其特征在于，包括如下步骤：接收客户端在电商平台搜索页面提交的待检索图像，将该待检索图像所包含的待检索商品图像馈入至预训练至收敛状态的特征提取模型中进行特征提取，获得相应的商品特征图，所述商品特征图由所述特征提取模型所包括的至少两个子模型分别提取所得的特征图进行拼接、融合形成；从特征索引库中检索与所述商品特征图相匹配的特征样本，所述特征样本为将所述电商平台的至少部分商品的展示图像经该特征提取模型进行特征提取而成；封装包含所述相匹配的特征样本为检索结果页面，将该检索结果页面推送给所述客户端。2.根据权利要求1所述的方法，其特征在于，所述特征提取模型进行特征提取的过程，包括如下步骤：将馈入至其中的图像分流至第一子模型和第二子模型分别进行多层次的卷积操作以实现特征提取；将第一子模型和第二子模型分别执行多层次特征提取过程中各自获取的所述图像的中间特征图进行拼接，构成拼接特征图；将所述拼接特征图进行特征首次融合，将首次融合所得的特征图池化为目标尺寸的池化特征图；将第一子模型和第二子模型分别执行卷积操作获取的各自的最终特征图与所述池化特征图进行二次拼接，获得被输入的图像相应的商品特征图。3.根据权利要求2所述的方法，其特征在于，将第一子模型和第二子模型分别执行卷积操作获取的各自的最终特征图与所述池化特征图进行二次拼接，获得被输入的图像相应的商品特征图的步骤中，对二次拼接所得的特征产物执行特征二次融合以获得所述被输入的图像相应的商品特征图。4.根据权利要求2所述的方法，其特征在于，包括如下对所述特征提取模型实施训练的前置步骤：将预备的图像训练样本输入至所述特征提取模型中进行所述的特征提取；将特征提取所得的商品特征图通过分类器进行分类，获取分类结果；利用与图像训练样本相对应的预标记的监督图像对分类结果进行监督，并利用监督结果向第一子模型和第二子模型反向传播以修正相关权重参数，使整个...
【专利技术属性】
技术研发人员：李保俊，刘涛，黄家冕，兴百桥，曾鹏，
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：
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。