【技术实现步骤摘要】
一种相似物品的搜索方法及装置、计算机可读存储介质
[0001]本专利技术涉及图像识别领域，尤其涉及一种相似物品的搜索方法及装置、计算机可读存储介质。
技术介绍
[0002]随着移动互联网技术与设备的普及，人们在各种场景中都可能发现自己心仪的物品，并引发购买欲望。基于用户的这种需求，各大电商平台均提供了“拍照购”的产品功能，通过用户上传的物品照片，智能的检索出同款及近似款物品。
[0003]目前在搜索同款及近似款物品时，一方面，只能识别主体相似的物品，对于局部细节相似的物品不具备识别能力，无法满足细粒度局部细节检索的需求。另一方面，当物品库中有同款物品时，会给出大量重复或近似物品的推荐，使得推荐结果缺乏多样性。
技术实现思路
[0004]本专利技术实施例提供了一种相似物品的搜索方法及装置、计算机可读存储介质，能够基于图片局部属性进行细粒度相似款搜索，增强搜索相似结果的多样性。
[0005]本专利技术的技术方案是这样实现的：
[0006]本专利技术实施例提供了一种资相似物品的搜索方法，所述...
【技术保护点】
【技术特征摘要】
1.一种相似物品的搜索方法，其特征在于，包括：接收待搜索图像，并确定与所述待搜索图像对应的局部属性信息；利用预设图像局部属性编码模型，对所述待搜索图像和所述局部属性信息进行编码，确定图像局部属性编码；利用所述图像局部属性编码，从物品库中进行向量检索，确定局部属性相似的推荐物品。2.根据权利要求1所述的方法，其特征在于，所述利用预设图像局部属性编码模型，对所述待搜索图像和所述局部属性信息进行编码，确定图像局部属性编码之前，所述方法还包括：根据属性、属性值和类目对获取的原始样本进行分组，确定训练样本；所述训练样本包括预设配比的正负样本；利用所述训练样本对初始图像编码模型进行训练，得到属性预测值；利用损失函数，对所述属性预测值和所述训练样本对应的预设属性实际值进行误差对比，调整模型参数，从而实现对所述初始图像编码模型的迭代训练，直至得到所述预设图像局部属性编码模型。3.根据权利要求2所述的方法，其特征在于，所述训练样本包含训练样本图像和多个样本局部属性信息；所述利用所述训练样本对初始图像编码模型进行训练，得到属性预测值，包括：利用所述初始图像编码模型，对所述训练样本图像和所述多个样本局部属性信息进行编码，确定训练样本图像向量编码和多个样本局部属性向量编码；所述多个样本局部属性信息为确定的与所述训练样本图像对应的属性信息；将所述训练样本图像向量编码作为输入，利用多头注意力机制对所述训练样本图像向量编码进行学习和拼接，得到处理后的训练样本图像向量编码；将所述处理后的训练样本图像向量编码、所述训练样本图像向量编码和所述多个样本局部属性向量编码进行条件融合，得到融合后的多个训练样本图像局部属性编码；将所述融合后的多个训练样本图像局部属性编码进行降维处理，得到再次处理后的多个训练样本图像局部属性编码；将所述再次处理后的多个训练样本图像局部属性编码、所述融合后的多个训练样本图像局部属性编码和所述多个样本局部属性向量编码再融合，得到所述属性预测值。4.根据权利要求2所述的方法，其特征在于，所述根据属性、属性值和类目对获取的原始样本进行分组，确定训练样本，包括：根据属性、属性值和类目对所述原始样本进行分桶，分别得到四组样本集合；其中，所述四组样本集合分别为相同属性值的第一样本集合、属性值不同，属性相同的第二样本集合、属性值和属性不同，类目相同的第三样本集合、属性值、属性和类目均不相同的第四样本集合；在所述第一样本集合中，确定正样本；在所述第二样本集合中，确定第一负样本；在所述第三样本集合中，确定第二负样本；在所述第四样本集合中，确定第三负样本；
根据所述第一负样本、所述第二负样本、所述第三负样本之间的任意负样本，结合所述正样本，确定所述初始图像局部属性编码模型的训练样本。5.根据权利要求1所述的方法，其特征在于，所述局部属性信息为多个不同属性的局部属性信息；所述利用预设图像局部属性编码模型，对所述待搜索图像和所述局部属性信息进行编码，确定图像局部属性编码，包括：利用所述预设的图像局部属性编码模型，对所述待搜索图像和多个所述局部属性信息分别进行编码，得到图像向量编码和多个属性向量编码；利用所述预设的图像局部属性编码模型，将所述图像向量编码和多个所述属性向...
【专利技术属性】
技术研发人员：孔滕滕，王元元，
申请(专利权)人：北京京东世纪贸易有限公司，
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。