[發明專利]一種基于自注意力深度網絡的商品識別方法

在審

• 申請號: 202011524704.0
• 申請日: 2020-12-22
• 公開（公告）號: CN112528928A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 李國強;王天雷;王俊妍;常軒;付樂
• 申請（專利權）人: 燕山大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 石家莊眾志華清知識產權事務所(特殊普通合伙) 13123
• 代理人: 張建

1.一種基于自注意力深度網絡的商品識別方法，其特征在于包括如下步驟：

步驟1、取商品數據作為數據集，將數據集分為訓練集、測試集和驗證集，利用元學習思想以及小樣本學習方法對商品數據集處理，將訓練集、測試集和驗證集分別分為不同的多個任務，每一個任務再分為支持集和查詢集，同時進行數據增強；

步驟2、利用自注意力機制增強卷積神經網絡，對步驟1中增強后的數據提取特征，首先提取支持集的特征，并計算提取好的支持集特征中每一類的類原型，然后提取查詢集的特征；

步驟3、將步驟2中計算好的類原型和提取的查詢集的特征輸入到元學習度量分類器中；

步驟4、采用元學習的算法訓練特征提取器和分類器，并利用反向傳播算法迭代更新參數，最終利用驗證集驗證模型，選取最佳模型；

步驟5、將最佳模型用于測試集中進行識別。

2.根據權利要求1所述的一種基于自注意力深度網絡的商品識別方法，其特征在于：通過元學習思想以及小樣本學習方法，取步驟1中的數據集中部分單品圖和部分結算圖作為小樣本數據集，并將小樣本數據集中的單品圖作為訓練集和驗證集，將部分結算圖作為測試集。

3.根據權利要求2所述的一種基于自注意力深度網絡的商品識別方法，其特征在于：對小樣本數據集中的數據做mixup處理。

4.根據權利要求1或3所述的一種基于自注意力深度網絡的商品識別方法，其特征在于：步驟2的具體過程為：利用自注意力機制增強卷積神經網絡，形成注意力增強深度卷積網絡，將此網絡作為特征提取結構，并將步驟1中處理好的數據送入到此結構中進行特征提取，首先提取支持集的特征，并計算提取好的支持集特征中每一類的類原型，然后提取查詢集的特征。

5.根據權利要求4所述的一種基于自注意力深度網絡的商品識別方法，其特征在于：步驟3中的度量分類器采用加權馬氏距離作為度量特征間相似程度的距離度量公式，將馬氏距離公式中協方差分為類內和類間協方差，并進行加權求和，得到最終距離。