[發(fā)明專利]物品鑒別方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810346438.3
• 申請(qǐng)日: 2018-04-16
• 公開（公告）號(hào): CN108520285B
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 唐平中;李元齊;汪勛;戚婧晨
• 申請(qǐng)（專利權(quán)）人: 圖靈人工智能研究院（南京）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06Q30/00
• 代理公司: 上海巔石知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31309
• 代理人: 王再朝;高磊

1.一種物品鑒別方法，其特征在于，包括以下步驟：

獲取拍攝于待鑒別物品的多幅圖像，每幅所述圖像中包括有至少一個(gè)目標(biāo)鑒別點(diǎn)；

依據(jù)訓(xùn)練的對(duì)應(yīng)所述至少一個(gè)目標(biāo)鑒別點(diǎn)的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型分別對(duì)所述多幅圖像進(jìn)行識(shí)別獲得對(duì)應(yīng)每一目標(biāo)鑒別點(diǎn)的單點(diǎn)分值；包括：將所獲取的每幅所述圖像送入不同的卷積神經(jīng)網(wǎng)絡(luò)模型，以利用各卷積神經(jīng)網(wǎng)絡(luò)模型分別識(shí)別至少一個(gè)目標(biāo)鑒別點(diǎn)并得到能識(shí)別出的每個(gè)目標(biāo)鑒別點(diǎn)的單點(diǎn)分值；其中，對(duì)應(yīng)識(shí)別同一目標(biāo)鑒別點(diǎn)的卷積神經(jīng)網(wǎng)絡(luò)模型為多個(gè)；

依據(jù)所述訓(xùn)練的訓(xùn)練集中測(cè)試獲得的權(quán)重，將多個(gè)所述目標(biāo)鑒別點(diǎn)的單點(diǎn)分值進(jìn)行加權(quán)求和處理獲得總分值；以及

依據(jù)所述單點(diǎn)分值或/及所述總分值鑒別所述物品的真?zhèn)危ǎ?/p>

預(yù)設(shè)第一閾值及第二閾值；

判定為所述單點(diǎn)分值低于所述第一閾值時(shí)輸出判定所述物品為偽的結(jié)果；以及

在判定為所述單點(diǎn)分值高于所述第一閾值的條件下，判定為所述總分值低于所述第二閾值時(shí)輸出判定所述物品為偽的結(jié)果。

2.根據(jù)權(quán)利要求1所述的物品鑒別方法，其特征在于，還包括對(duì)所述多幅圖像進(jìn)行預(yù)處理的步驟。

3.根據(jù)權(quán)利要求2所述的物品鑒別方法，其特征在于，所述預(yù)處理的步驟包括對(duì)所述圖像進(jìn)行尺寸修改、按比例縮放、加噪、反轉(zhuǎn)、旋轉(zhuǎn)、平移、縮放變換、剪切、對(duì)比度變換、隨機(jī)通道偏移中的一種或多種處理。

4.根據(jù)權(quán)利要求1所述的物品鑒別方法，其特征在于，還包括對(duì)至少一幅所述幅圖像進(jìn)行聚類處理的步驟。

5.根據(jù)權(quán)利要求4所述的物品鑒別方法，其特征在于，所述對(duì)至少一幅圖像進(jìn)行聚類處理的步驟包括利用VGG19網(wǎng)絡(luò)特征分類模型對(duì)至少一幅所述圖像進(jìn)行特征近似程度聚類，以確定對(duì)所述多幅圖像的訓(xùn)練模型。

6.根據(jù)權(quán)利要求1所述的物品鑒別方法，其特征在于，所述訓(xùn)練的對(duì)應(yīng)各該目標(biāo)鑒別點(diǎn)的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型包括：VGG19網(wǎng)絡(luò)模型，RESNET54網(wǎng)絡(luò)模型，以及WRESNET16網(wǎng)絡(luò)模型中的至少兩個(gè)網(wǎng)絡(luò)模型。

7.根據(jù)權(quán)利要求1所述的物品鑒別方法，其特征在于，所述依據(jù)訓(xùn)練的對(duì)應(yīng)所述至少一個(gè)目標(biāo)鑒別點(diǎn)的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型分別對(duì)所述多幅圖像進(jìn)行識(shí)別獲得對(duì)應(yīng)每一目標(biāo)鑒別點(diǎn)的單點(diǎn)分值還包括：

保存所述至少一個(gè)目標(biāo)鑒別點(diǎn)的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型的輸出結(jié)果以及提取到的特征；以及

將所述多個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型分別提取到的特征拼接處理，使用決策樹算法進(jìn)一步分類，獲得對(duì)應(yīng)每一目標(biāo)鑒別點(diǎn)的單點(diǎn)分值。

8.根據(jù)權(quán)利要求1所述的物品鑒別方法，其特征在于，還包括防止過(guò)擬合的步驟。

9.根據(jù)權(quán)利要求1所述的物品鑒別方法，其特征在于，所述物品為奢侈品。

10.一種物品鑒別系統(tǒng)，其特征在于，包括：

預(yù)處理模塊，用于獲取拍攝于待鑒別物品的多幅圖像，每幅所述圖像中包括有至少一個(gè)目標(biāo)鑒別點(diǎn)；

識(shí)別模塊，用于依據(jù)訓(xùn)練的對(duì)應(yīng)所述至少一個(gè)目標(biāo)鑒別點(diǎn)的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型分別對(duì)所述多幅圖像進(jìn)行識(shí)別獲得對(duì)應(yīng)每一目標(biāo)鑒別點(diǎn)的單點(diǎn)分值；所述識(shí)別模塊用于將所獲取的每幅所述圖像送入不同的卷積神經(jīng)網(wǎng)絡(luò)模型，以利用各卷積神經(jīng)網(wǎng)絡(luò)模型分別識(shí)別至少一個(gè)目標(biāo)鑒別點(diǎn)并得到能識(shí)別出的每個(gè)目標(biāo)鑒別點(diǎn)的單點(diǎn)分值；其中，對(duì)應(yīng)識(shí)別同一目標(biāo)鑒別點(diǎn)的卷積神經(jīng)網(wǎng)絡(luò)模型為多個(gè)；

評(píng)價(jià)模塊，用于依據(jù)所述訓(xùn)練的訓(xùn)練集中測(cè)試獲得的權(quán)重，將多個(gè)所述目標(biāo)鑒別點(diǎn)的單點(diǎn)分值進(jìn)行加權(quán)求和處理獲得總分值；以及依據(jù)所述單點(diǎn)分值或/及所述總分值鑒別所述物品的真?zhèn)危黄渲校鲈u(píng)價(jià)模塊用于執(zhí)行以下步驟：

預(yù)設(shè)第一閾值及第二閾值；

判定為所述單點(diǎn)分值低于所述第一閾值時(shí)輸出判定所述物品為偽的結(jié)果；以及

在判定為所述單點(diǎn)分值高于所述第一閾值的條件下，判定為所述總分值低于所述第二閾值時(shí)輸出判定所述物品為偽的結(jié)果。