[發明專利]動態柜圖像識別模型訓練方法、裝置、電子設備和介質

有效

• 申請號: 202210115424.7
• 申請日: 2022-02-07
• 公開（公告）號: CN114155366B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 鄧博洋;程楊武
• 申請（專利權）人: 北京每日優鮮電子商務有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 北京唯智勤實知識產權代理事務所(普通合伙) 11557
• 代理人: 史立狀

1.一種動態柜圖像識別模型訓練方法，包括：

獲取第一動態柜圖像；

將所述第一動態柜圖像輸入至預先訓練的第一圖像特征提取網絡，得到第一圖像特征向量；

確定所述第一動態柜圖像所對應的至少一個第一檢測框；

將預先存儲的第二動態柜圖像集中每個第二動態柜圖像輸入至預先訓練的所述第一圖像特征提取網絡，以輸出第二圖像特征向量，得到第二圖像特征向量集，其中，所述第二動態柜圖像集存在對應的第二檢測框集組，所述第二檢測框集組中各個第二檢測框對應的圖像為預先存儲的第一物品圖像集；

確定所述第二圖像特征向量集中每個第二圖像特征向量與所述第一圖像特征向量之間的第一余弦距離，得到第一余弦距離集；

從所述第一余弦距離集中篩選出第一數目個滿足預定條件的第一余弦距離，作為第一目標余弦距離，得到第一目標余弦距離集；

從所述第二動態柜圖像集中篩選出與所述第一目標余弦距離集對應的第二動態柜圖像子集；

依據預定方式來對所述第一動態柜圖像和所述第二動態柜圖像子集中的各個第二動態柜圖像進行拼接，得到第一拼接后圖像；

根據所述第一拼接后圖像、所述第一物品圖像集和所述至少一個第一檢測框，生成所述第三動態柜圖像；

將所述第三動態柜圖像作為訓練圖像樣本，利用機器學習模型訓練方法，訓練動態柜圖像識別模型，得到訓練后的動態柜圖像識別模型。

2.根據權利要求1所述的方法，其中，所述根據所述第一拼接后圖像、所述第一物品圖像集和所述至少一個第一檢測框，生成所述第三動態柜圖像，包括：

對于所述至少一個第一檢測框對應的每個第一檢測框，執行第一圖像生成步驟：

確定所述第一檢測框對應的第二物品圖像；

確定所述第二物品圖像對應的第三圖像特征向量；

確定所述第一物品圖像集中每個第一物品圖像對應的第四圖像特征向量，得到第四圖像特征向量集；

確定所述第四圖像特征向量集中每個第四圖像特征向量與所述第三圖像特征向量之間的第二余弦距離，得到第二余弦距離集；

從所述第二余弦距離集中篩選出第二數目個滿足所述預定條件的第二余弦距離，作為第二目標余弦距離，得到第二目標余弦距離集；

確定所述第二目標余弦距離集對應的第一物品圖像子集；

根據所得到第一物品圖像子集組，所述至少一個第一檢測框和所述第一拼接后圖像，生成所述第三動態柜圖像。

3.根據權利要求2所述的方法，其中，所述根據所得到第一物品圖像子集組，所述至少一個第一檢測框和所述第一拼接后圖像，生成所述第三動態柜圖像，包括：

從所述第一物品圖像子集組中篩選出目標數目個第一物品圖像，得到篩選后第一物品圖像集；

對所述篩選后第一物品圖像集中各個第一物品圖像進行數據增強，得到各個數據增強后第一物品圖像；

將所述各個數據增強后第一物品圖像融入所述第一拼接后圖像，得到融入后圖像，其中，所述融入后圖像中的、與各個數據增強后第一物品圖像相對應的檢測框與所述至少一個第一檢測框之間的交并比信息小于目標閾值；

將所述融入后圖像確定為所述第三動態柜圖像。

4.根據權利要求3所述的方法，其中，所述將所述各個數據增強后第一物品圖像融入所述第一拼接后圖像，得到融入后圖像，包括：

對于所述各個數據增強后第一物品圖像中的每個數據增強后第一物品圖像，執行融入步驟：

對所述數據增強后第一物品圖像中的第一范圍內的子圖像進行第一高斯模糊處理，以及對第一物品圖像中的第二范圍內的子圖像進行第二高斯模糊處理，得到處理后第一物品圖像；

將所述處理后第一物品圖像與所述第一拼接后圖像進行圖像融合，得到第二融合后圖像；

對所述第二融合后圖像中的第三范圍內的子圖像進行雙線性差值處理，得到處理后圖像，作為所述融入后圖像。