[發(fā)明專利]基于人工智能的分類方法、裝置、服務(wù)器和存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202010557914.3 | 申請日: | 2020-06-17 |
| 公開(公告)號: | CN111709371A | 公開(公告)日: | 2020-09-25 |
| 發(fā)明(設(shè)計)人: | 郭卉;盛柯愷;袁豪磊;黃飛躍;郭曉威 | 申請(專利權(quán))人: | 騰訊科技(深圳)有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62 |
| 代理公司: | 廣州三環(huán)專利商標代理有限公司 44202 | 代理人: | 熊永強;杜維 |
| 地址: | 518057 廣東省深圳*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 人工智能 分類 方法 裝置 服務(wù)器 存儲 介質(zhì) | ||
本發(fā)明實施例公開了一種基于人工智能的分類方法、裝置、服務(wù)器和存儲介質(zhì),其中,方法包括,獲取目標圖像,目標圖像中包括目標待檢測商品圖像區(qū)域;將目標圖像分別輸入至第一分類模型和第二分類模型中,得到針對目標待檢測商品的第一分類結(jié)果和第二分類結(jié)果,對第一分類結(jié)果和第二分類結(jié)果進行處理,得到針對目標待檢測商品的目標分類結(jié)果,其中,第一分類模型為在初始分類模型上基于已有商品的圖像訓(xùn)練得到的模型,第二分類模型為在第一分類模型上基于新增商品的圖像再次訓(xùn)練得到的模型,通過實施上述方法,可以采用不同訓(xùn)練方式訓(xùn)練的兩個模型對商品的類型進行綜合分析,提升對于商品的識別效率以及識別準確率。
技術(shù)領(lǐng)域
本發(fā)明涉及計算機技術(shù)領(lǐng)域,尤其涉及一種基于人工智能的分類方法、裝置、服務(wù)器和存儲介質(zhì)。
背景技術(shù)
商品陳列審核是在商品陳列環(huán)境對商品的上架情況進行記錄,并審查其是否滿足一定要求(如品牌商指定陳列規(guī)則)的一種人工操作流程。在互聯(lián)網(wǎng)時代,通過攝像機采集圖像并傳輸?shù)接嬎銠C,借助計算機自動進行陳列審核已經(jīng)成為主流發(fā)展。
目前,對于商品陳列審核的主要方式為采用大量已標注的商品圖像對模型進行訓(xùn)練,使得訓(xùn)練后的模型能夠識別出商品的類別,以進行商品的陳列審核,然而對于新增商品,其由于存在時間較短,可獲取到的標注樣本有限,因此無法采用大量新商品樣本訓(xùn)練得到針對新商品的模型,導(dǎo)致商品陳列審核過程中對于商品的識別效率以及識別準確率較低。
發(fā)明內(nèi)容
本發(fā)明實施例提供了一種基于人工智能的分類方法、裝置、服務(wù)器和存儲介質(zhì),可以基于不同訓(xùn)練方式訓(xùn)練的兩個模型對商品的類型進行綜合分析,提升對于商品的識別效率以及識別準確率。
一方面,本發(fā)明實施例提供了一種基于人工智能的分類方法,所述方法包括:
獲取目標圖像,所述目標圖像中包括目標待檢測商品圖像區(qū)域;
將所述目標圖像分別輸入至第一分類模型和第二分類模型中,得到針對所述目標待檢測商品的第一分類結(jié)果和第二分類結(jié)果,所述第一分類模型為在初始分類模型上基于已有商品的圖像訓(xùn)練得到的模型,所述第二分類模型為在第一分類模型上基于新增商品的圖像再次訓(xùn)練得到的模型,所述第一分類結(jié)果指示了所述目標待檢測商品屬于已有商品類別中每個類別的第一概率,所述第二分類結(jié)果指示了所述目標待檢測商品屬于新增商品類別中每個類別的第二概率;
對所述第一分類結(jié)果和第二分類結(jié)果進行處理,得到針對所述目標待檢測商品的目標分類結(jié)果。
一方面,本發(fā)明實施例提供了一種基于人工智能的分類方法裝置,所述裝置包括:
獲取模塊,用于獲取目標圖像,所述目標圖像中包括目標待檢測商品圖像區(qū)域;
輸入模塊,用于將所述目標圖像分別輸入至第一分類模型和第二分類模型中,得到針對所述目標待檢測商品的第一分類結(jié)果和第二分類結(jié)果,所述第一分類模型為在初始分類模型上基于已有商品的圖像訓(xùn)練得到的模型,所述第二分類模型為在第一分類模型上基于新增商品的圖像再次訓(xùn)練得到的模型,所述第一分類結(jié)果指示了所述目標待檢測商品屬于已有商品類別中每個類別的第一概率,所述第二分類結(jié)果指示了所述目標待檢測商品屬于新增商品類別中每個類別的第二概率;
處理模塊,用于對所述第一分類結(jié)果和第二分類結(jié)果進行處理,得到針對所述目標待檢測商品的目標分類結(jié)果。
一方面,本發(fā)明實施例提供了一種服務(wù)器,包括處理器、輸入接口、輸出接口和存儲器,所述處理器、輸入接口、輸出接口和存儲器相互連接,其中,所述存儲器用于存儲計算機程序,所述計算機程序包括程序指令,所述處理器被配置用于調(diào)用所述程序指令,執(zhí)行所述基于人工智能的分類方法。
一方面,本發(fā)明實施例提供了一種計算機可讀存儲介質(zhì),其特征在于,所述計算機可讀存儲介質(zhì)存儲有計算機程序,所述計算機程序包括程序指令,所述程序指令當被處理器執(zhí)行時使所述處理器執(zhí)行所述基于人工智能的分類方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于騰訊科技(深圳)有限公司,未經(jīng)騰訊科技(深圳)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010557914.3/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標記或含有代碼標記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 使用基于云端的度量迭代訓(xùn)練人工智能的系統(tǒng)
- 一種人工智能轉(zhuǎn)人工智能再轉(zhuǎn)人工方案
- O-RAN系統(tǒng)中的人工智能模型處理方法和裝置
- 人工智能傷口評估方法及智能終端
- 人工智能倫理風(fēng)險與防范虛擬仿真方法、系統(tǒng)和機器人
- 一種基于人工智能基礎(chǔ)資源與技術(shù)調(diào)控系統(tǒng)及方法
- 基于人工智能倫理備選規(guī)則的人工智能倫理風(fēng)險防范方法
- 人工智能倫理風(fēng)險辨識防范虛擬仿真實驗方法和機器人
- 基于人工智能體決策的人工智能倫理風(fēng)險辨識和防范方法
- 基于算法選擇的人工智能倫理風(fēng)險辨識防范方法和機器人





