商品识别方法、装置、设备及可读介质制造方法及图纸

本发明专利技术提供了商品识别方法、装置、设备及可读介质。方法包括：获取当前待识别商品对应的待识别图片；确定所述待识别图片的主体检测结果；将所述主体检测结果转换为目标特征向量；将所述目标特征向量输入在向量检索样本集中进行向量检索，得到商品识别结果。本发明专利技术的方案能够提高商品识别的识别效率以及准确度。方案能够提高商品识别的识别效率以及准确度。方案能够提高商品识别的识别效率以及准确度。

【技术实现步骤摘要】
商品识别方法、装置、设备及可读介质


[0001]本专利技术涉及图像处理领域，特别涉及商品识别方法、装置、设备及可读介质。

技术介绍

[0002]随着无人超市、新零售等商业模式的发展，越来越多的品牌商及商超零售企业开始引进人工智能技术。而在无人零售中，商品智能识别的技术体验直接反应到客户体验当中，如何快速实时、准确地识别出商品，是提升用户体验的重要前提。
[0003]在目前产品研发、生产及更新的速度较快的背景下，商品的种类也越来越多，对商品识别模型的要求也越来越高，尤其是在产品快速更新迭代的前提下，商品识别模型无法及时更新识别算法，导致对于商品的识别效率以及准确率难以满足无人零售场景下的要求。
[0004]因此，需要一种方式来提高商品识别的识别效率以及准确度。

技术实现思路

[0005]本专利技术实施例提供了商品识别方法、装置、设备及可读介质，能够提高商品识别的识别效率以及准确度。
[0006]1.根据本专利技术的一方面，提供了一种商品识别方法，包括：
[0007]获取当前待识别商品对应的待识别图片；
[0008]确定所述待识别图片的主体检测结果；
[0009]将所述主体检测结果转换为目标特征向量；
[0010]将所述目标特征向量输入在向量检索样本集中进行向量检索，得到商品识别结果。
[0011]●
可选的，所述确定所述待识别图片的主体检测结果，包括：
[0012]通过预设的目标检测模型，从所述待识别图片中检测至少一个主体的位置，其中，所述目标检测模型为Faster_Rcnn_Swin_tiny_fpn_3x_coco模型，Backbone中选用Swin_Transformer；
[0013]将所述主体所在的区域进行裁剪并进行识别，得到所述主体检测结果。
[0014]●
可选的，所述将所述主体检测结果转换为目标特征向量，包括：
[0015]通过PP_LCNet_x2_5骨干网络提取所述主体检测结果的特征信息；
[0016]将所述特征信息转换为目标特征向量。
[0017]·
可选的，所述向量检索样本集，通过如下方式获得：
[0018]通过网络爬虫获得至少一张样本图像，每张样本图像对应至少一个商品种类；
[0019]将每种所述样本图像转换为对应的样本特征向量；
[0020]将所述样本特征向量划分为训练集、验证集以及测试集，得到所述向量检索样本集。
[0021]·
可选的，所述将所述目标特征向量输入在向量检索样本集中进行向量检索，得
到商品识别结果，包括：
[0022]在所述向量检索样本集中检索与所述目标特征向量的相似度高于预设值的目标样本特征向量；
[0023]根据所述目标样本特征向量对应的目标商品种类确定所述商品识别结果。
[0024]●
可选的，该方法还包括：
[0025]在满足预设的更新条件时，通过在线向量建模更新检索样本集；
[0026]接收输入的更新样本图像，将所述更新样本图像转换为对应的样本特征向量并保存到所述向量检索样本集。
[0027]2.根据本专利技术的另一方面，提供了一种商品识别装置，包括：
[0028]获取单元，用于获取当前待识别商品对应的待识别图片；
[0029]确定单元，用于确定所述待识别图片的主体检测结果；
[0030]转换单元，用于将所述主体检测结果转换为目标特征向量；
[0031]检索单元，用于将所述目标特征向量输入在向量检索样本集中进行向量检索，得到商品识别结果。
[0032]●
可选的，所述向量检索样本集，通过如下方式获得：
[0033]通过网络爬虫获得至少一张样本图像，每张样本图像对应至少一个商品种类；
[0034]将每种所述样本图像转换为对应的样本特征向量；
[0035]将所述样本特征向量划分为训练集、验证集以及测试集，得到所述向量检索样本集；
[0036]所述检索单元，用于执行：
[0037]在所述向量检索样本集中检索与所述目标特征向量的相似度高于预设值的目标样本特征向量；
[0038]根据所述目标样本特征向量对应的目标商品种类确定所述商品识别结果。
[0039]3.根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0040]至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的商品识别方法。
[0041]4.根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的商品识别方法。
[0042]本专利技术实施例提供了商品识别方法、装置、设备及可读介质。获取当前待识别商品对应的待识别图片；确定所述待识别图片的主体检测结果；将所述主体检测结果转换为目标特征向量；将所述目标特征向量输入在向量检索样本集中进行向量检索，得到商品识别结果。本专利技术的方案通过主体检测、特征学习和向量检索，满足零售场景高精度准实时要求，提高商品识别的准确度和识别效率。
附图说明
[0043]为了更清楚地说明本专利技术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，下面描述中的附图是本专利技术
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的前提下，还可以根据这些附图获得其他的附图。
[0044]图1是本专利技术一实施例提供的一种商品识别方法的流程图；
[0045]图2是本专利技术一实施例所适用的Swin
‑
Transformer模型的原理图；
[0046]图3是本专利技术一实施例提供的一种商品识别装置的结构示意图。
具体实施方式
[0047]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0048]随着无人超市、新零售等商业模式的发展，越来越多的品牌商及商超零售企业开始引进人工智能技术。智能零售结算系统，利用人工智能计算机视觉领域的目标检测于图像识别技术，精准地对顾客购买的商品进行智能化、自动化的价格结算，即使准确地向消费者推送完整的购物清单及顾客应付的实际商品总价格。
[0049]图1是本专利技术一实施例提供的一种商品识别方法的流程图，如图1所示，该方法包括：
[0050]S110、获取当前待识别商品对应的待识别图片。...

【技术保护点】

【技术特征摘要】
1.商品识别方法，其特征在于，包括：获取当前待识别商品对应的待识别图片；确定所述待识别图片的主体检测结果；将所述主体检测结果转换为目标特征向量；将所述目标特征向量输入在向量检索样本集中进行向量检索，得到商品识别结果。2.根据权利要求1所述的方法，其特征在于，所述确定所述待识别图片的主体检测结果，包括：通过预设的目标检测模型，从所述待识别图片中检测至少一个主体的位置，其中，所述目标检测模型为Faster_Rcnn_Swin_tiny_fpn_3x_coco模型，Backbone中选用Swin_Transformer；将所述主体所在的区域进行裁剪并进行识别，得到所述主体检测结果。3.根据权利要求1所述的方法，其特征在于，所述将所述主体检测结果转换为目标特征向量，包括：通过PP_LCNet_x2_5骨干网络提取所述主体检测结果的特征信息；将所述特征信息转换为目标特征向量。4.根据权利要求1所述的方法，其特征在于，所述向量检索样本集，通过如下方式获得：通过网络爬虫获得至少一张样本图像，每张样本图像对应至少一个商品种类；将每种所述样本图像转换为对应的样本特征向量；将所述样本特征向量划分为训练集、验证集以及测试集，得到所述向量检索样本集。5.根据权利要求4所述的方法，其特征在于，所述将所述目标特征向量输入在向量检索样本集中进行向量检索，得到商品识别结果，包括：在所述向量检索样本集中检索与所述目标特征向量的相似度高于预设值的目标样本特征向量；根据所述目标样本特征向量对应的目标商品种类确定所述商品识别结果。6.根据权利要求4所述的方法，其特征在于，进一步包括：在满...

【专利技术属性】
技术研发人员：李洋，周文豪，赵策，胡振升，
申请(专利权)人：浪潮海链易贸山东信息科技有限公司，
类型：发明
国别省市：