【技术实现步骤摘要】
特征识别模型训练方法、物品特征识别方法及装置
[0001]本公开涉及计算机
，更具体地，涉及一种特征识别模型训练方法、物品特征识别方法及装置、电子设备、计算机可读存储介质以及计算机程序产品。
技术介绍
[0002]物品风格标注的传统方式主要采用人工标注，这种方式需要预先设定大量的人工编辑规则，且存在耗费人力、物力、标注效率低、通用性差的问题，而且，在人工编辑规则的设定过程中，由于存在人为主观认知不同，会导致编辑规则的设定差异，进而导致人工标注风格的结果差异。
[0003]相关技术中采用机器学习算法实现对物品风格的标注，但是这种机器学习算法对陌生的物品和陌生的风格泛化性差。
技术实现思路
[0004]有鉴于此，本公开提供了一种特征识别模型训练方法、物品特征识别方法及装置、电子设备、计算机可读存储介质以及计算机程序产品。
[0005]本公开的第一方面提供了一种特征识别模型训练方法，包括：
[0006]获取物品样本数据集，其中，物品样本数据集中包括多条物品样本，每条物品样本包括物品图像...
【技术保护点】
【技术特征摘要】
1.一种特征识别模型训练方法，包括：获取物品样本数据集，其中，所述物品样本数据集中包括多条物品样本，每条所述物品样本包括物品图像数据、用于描述物品的文本数据和物品风格数据，其中，所述物品样本具有风格标签；针对每条所述物品样本，将所述物品图像数据输入初始模型的图像特征提取层，输出物品图像特征；将所述用于描述物品的文本数据输入所述初始模型的文本特征提取层，输出文本特征；将所述物品风格数据输入所述初始模型的风格特征提取层，输出风格特征；将所述物品图像特征和所述文本特征输入所述初始模型的特征组合层，输出物品组合特征；将所述物品组合特征和所述风格特征输入所述初始模型的匹配层，输出用于表征所述物品组合特征和所述风格特征的匹配结果；根据所述匹配结果和所述风格标签调整所述初始模型的模型参数，得到训练完成的特征识别模型。2.根据权利要求1所述的训练方法，其中，将所述物品图像特征和所述文本特征输入所述初始模型的图像组合层，输出物品组合特征包括：利用所述图像组合层将所述物品图像特征和所述文本特征拼接成所述物品组合特征。3.根据权利要求1所述的训练方法，其中，在获取物品样本数据集之后，还包括：根据所述物品样本数据集生成扩增物品样本数据集。4.根据权利要求3所述的训练方法，其中，所述根据所述物品样本数据集生成扩增物品样本数据集，包括：根据所述物品图像数据，从物品数据库中，确定与所述物品图像数据相似的第一物品数据列表，其中，所述第一物品数据列表包括不同物品的物品图像数据、用于描述物品的文本数据和物品风格数据；根据所述用于描述物品的文本数据，从所述物品数据库中，确定与所述用于描述物品的文本数据相似的第二物品数据列表，其中，所述第二物品数据列表包括不同物品的物品图像数据、用于描述物品的文本数据和物品风格数据；根据所述第一物品数据列表和所述第二物品数据列表，生成所述扩增物品样本数据集。5.根据权利要求4所述的训练方法，其中，所述根据所述第一物品数据列表和所述第二物品数据列表，生成所述扩增物品样本数据集，包括：根据所述第一物品数据列表和所述第二物品数据列表的数据交集，生成所述扩增物品样本数据集。6.根据权利要求1所述的训练方法，其中，所述初始模型的模型参数包括所述初始模型的图像特征提取层的模型参数、所述初始模型的文本特征提取层的模型参数、所述初始模型的风格特征提取层的模型参数，所述根据所述匹配结果和所述风格标签调整所述初始模型的模型参数，得到训练完成的特征识别模型，包括：根据所述匹配结果与所述风格标签的误差，调整所述初始模型的图像特征提取层的模型参数、所述初始模型的文本特征提取层的模型参数和所述初始模型的风格特征提取层的模型参数，得到训练完成的所述特征识别模型。
7.一种物品特征识别特征识别方法，包括：获取待处理物品的物品信息，其中，所述物品信息包括物品图像信息和用于描述物品的文本信息；将所述物品图像信息输入特征识别模型的图像特征提取层，输出所述待处理物品的物品图像特征，其中，所述特征识别模型是通过权利要求1～6任一项所述的训练方法训练得到的；将所述用于描述物品的文本信息输入所述特征识别模型的文本特征提取层，输出所述待处理物品的文本特征；将所述物品图像特征和所述文本特征输入所述特征识别模型的特征组合层，输出所述待处理物品的物品组合特征；将所述物品组合特征和候选风格的描述特征输入所述特征识别模型的匹配层，输出用于表征所述物品组...
【专利技术属性】
技术研发人员：王兴鹏，史世睿，李天浩，
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。