[發明專利]一種商品特征識別模型的訓練方法、裝置以及設備

在審

• 申請號: 202011318327.5
• 申請日: 2020-11-23
• 公開（公告）號: CN114529777A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 相鵬
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 官建紅

本申請提供了一種商品特征識別模型的訓練方法、裝置以及設備，用于結合第二神經網絡模型來促使第一神經網絡模型對于相似的商品可取得更為精確的識別結果。方法包括：獲取第一商品圖像以及第二商品圖像，第二商品圖像的商品特征信息以及第一商品圖像的商品特征信息兩者為具有預設相似關系的商品特征信息；將第一商品圖像輸入第一神經網絡模型，得到第一神經網絡模型輸出的第一商品特征識別結果，以及將第二商品圖像輸入第二神經網絡模型，得到第二神經網絡模型輸出的第二商品特征識別結果；結合第一商品特征識別結果以及第二商品特征識別結果計算損失函數，并根據損失函數計算結果優化第一神經網絡模型，進行模型的訓練。

技術領域

本申請涉及圖像識別領域，具體涉及一種商品特征識別模型的訓練方法、裝置以及設備。

背景技術

隨著人工智能技術(Artificial Intelligence，AI)的發展，圖像識別商業領域的應用已愈加的普遍。圖像識別可通過神經網絡模型來進行圖像中的特定物體，典型的，可識別圖像中包含的商品，而該應用則可具體用于無人超市、智慧超市的自動化管理中，例如通過圖像識別監督超市現場的商品銷售情況、鋪貨情況，輔助商品的運營管理。

對于用來識別圖像中所包含商品的神經網絡模型，可通過大量的樣本圖像訓練得到，具體的，可預先準備大量的商品圖像，這些商品圖像中不僅可包含相應的商品，還可包含貨架、墻壁等背景內容，圖像由工作人員配置圖像中所包含商品的標注信息后，可作為訓練集依次輸入神經網絡模型進行訓練，完成訓練的模型則可投入實際應用，對輸入圖像進行商品識別。

而在現有的相關技術的研究過程中，發明人發現，現有訓練得到的神經網絡模型，其對于相似商品，識別精度不高，很可能識別不出相似商品的區別，而在實際應用中，可能存在同類型的商品還存在著細微的區別，例如同個廠家推出的兩款不同口味的方便面。

發明內容

本申請提供了一種商品特征識別模型的訓練方法、裝置以及設備，用于結合第二神經網絡模型來促使第一神經網絡模型提升注意力、提升細微相似商品特征的識別精度的效果，使其對于相似的商品可取得更為精確的識別結果。

第一方面，本申請提供了一種商品特征識別模型的訓練方法，方法包括：

獲取第一商品圖像以及第二商品圖像，第二商品圖像的商品特征信息以及第一商品圖像的商品特征信息兩者為具有預設相似關系的商品特征信息；

將第一商品圖像輸入第一神經網絡模型，得到第一神經網絡模型輸出的第一商品特征識別結果，以及將第二商品圖像輸入第二神經網絡模型，得到第二神經網絡模型輸出的第二商品特征識別結果；

結合第一商品特征識別結果以及第二商品特征識別結果計算損失函數，并根據損失函數計算結果優化第一神經網絡模型，進行模型的訓練，并將完成訓練的第一神經網絡模型確認為商品特征識別模型，商品特征識別模型用于識別輸入的圖像中的商品特征信息。

結合本申請第一方面，在本申請第一方面第一種可能的實現方式中，結合第一商品特征識別結果以及第二商品特征識別結果計算損失函數包括：

將第一商品特征識別結果對應的特征向量與第一神經網絡模型配置的第一權重值相乘，得到第一特征向量；

將第二商品特征識別結果對應的特征向量與第二神經網絡模型配置的第二權重值相乘，得到第二特征向量；

基于第一特征向量與第二特征向量的和，計算損失函數。

結合本申請第一方面第一種可能的實現方式，在本申請第一方面第二種可能的實現方式中，第一權重值的大小與第一神經網絡模型的當前訓練次數呈正相關，第二權重值的大小與當前訓練次數呈負相關。

結合本申請第一方面第二種可能的實現方式，在本申請第一方面第三種可能的實現方式中，第一權重值的大小為：當前訓練次數/預設總訓練次數；