本發(fā)明涉及商品識(shí)別領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的商品識(shí)別方法及裝置。

背景技術(shù)：

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬忍耐進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像、聲音和文本。而在電商系統(tǒng)中，給用戶(hù)推薦商品是提高商品銷(xiāo)量的常用手段，而在推薦過(guò)程中，商品模型至關(guān)重要，是整個(gè)電商系統(tǒng)的核心；目前，可以通過(guò)訓(xùn)練獲取商品模型并根據(jù)商品模型來(lái)對(duì)待推薦商品進(jìn)行模擬，獲得待推薦商品的預(yù)測(cè)輸出，進(jìn)而向用戶(hù)進(jìn)行推薦。隨著科學(xué)技術(shù)的發(fā)展，對(duì)于商品模型的訓(xùn)練要求生成的商品模型準(zhǔn)確度越來(lái)越高，訓(xùn)練效率要求也越來(lái)越高，現(xiàn)有的商品模型訓(xùn)練方法逐漸不能滿(mǎn)足當(dāng)前的需求，因此一種基于深度學(xué)習(xí)的商品識(shí)別方法是當(dāng)前所需要的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種基于深度學(xué)習(xí)的商品識(shí)別方法及裝置，將基于深度學(xué)習(xí)訓(xùn)練得到的商品模型應(yīng)用至商品識(shí)別中，且該方法提升了商品識(shí)別的準(zhǔn)確度和識(shí)別效率，提升了用戶(hù)體驗(yàn)。

根據(jù)本發(fā)明實(shí)施例的第一方面，提供一種基于深度學(xué)習(xí)的商品識(shí)別方法，包括：

根據(jù)基于深度學(xué)習(xí)的檢測(cè)方法訓(xùn)練商品圖片，并獲取商品模型；

獲取視頻節(jié)目中的圖像，并根據(jù)所述商品模型識(shí)別所述圖像中是否存在商品；

將自所述圖像中識(shí)別出的所述商品與指定商城中的商城商品進(jìn)行匹配；

從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品。

在一個(gè)實(shí)施例中，所述從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品之后，還包括：

將選取的所述特定商城商品的鏈接發(fā)送至用戶(hù)。

在一個(gè)實(shí)施例中，所述基于深度學(xué)習(xí)的檢測(cè)方法包括基于深度學(xué)習(xí)的faster-rcnn算法。

在一個(gè)實(shí)施例中，所述將自所述圖像中識(shí)別出的所述商品與指定商城中的商城商品進(jìn)行匹配，包括：

根據(jù)感知哈希算法，將自所述圖像中識(shí)別出來(lái)的所述商品與指定商城中的商城商品進(jìn)行匹配，并將所述指定商城中所有與所述商品匹配的商城商品設(shè)定為識(shí)別出的商城商品。

在一個(gè)實(shí)施例中，所述從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品，包括：

獲取與識(shí)別出的所述商品匹配的各所述商城商品所處商城的地理位置；

獲取各所述商城商品所處商城的地理位置與用戶(hù)所在的地理位置之間的距離；

選取所處商城的地理位置與用戶(hù)所在的地理位置之間的距離最短的商城商品作為特定商城商品。

根據(jù)本發(fā)明實(shí)施例的第二方面，還提供一種基于深度學(xué)習(xí)的商品識(shí)別裝置，包括：

訓(xùn)練模塊，用于根據(jù)基于深度學(xué)習(xí)的檢測(cè)方法訓(xùn)練商品圖片，并獲取商品模型；

識(shí)別模塊，用于獲取視頻節(jié)目中的圖像，并根據(jù)所述商品模型識(shí)別所述圖像中是否存在商品；

匹配模塊，用于將自所述圖像中識(shí)別出的所述商品與指定商城中的商城商品進(jìn)行匹配；

選取模塊，用于從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品。

在一個(gè)實(shí)施例中，所述裝置還包括：

發(fā)送模塊，用于將選取的所述特定商城商品的鏈接發(fā)送至用戶(hù)。

在一個(gè)實(shí)施例中，所述基于深度學(xué)習(xí)的檢測(cè)方法包括基于深度學(xué)習(xí)的faster-rcnn算法。

在一個(gè)實(shí)施例中，所述匹配模塊包括：

匹配子模塊，用于根據(jù)感知哈希算法，將自所述圖像中識(shí)別出來(lái)的所述商品與指定商城中的商城商品進(jìn)行匹配，并將所述指定商城中所有與所述商品匹配的商城商品設(shè)定為識(shí)別出的商城商品。

在一個(gè)實(shí)施例中，所述選取模塊包括：

第一獲取子模塊，用于獲取與識(shí)別出的所述商品匹配的各所述商城商品所處商城的地理位置；

第二獲取子模塊，用于獲取各所述商城商品所處商城的地理位置與用戶(hù)所在的地理位置之間的距離；

選取子模塊，用于選取所處商城的地理位置與用戶(hù)所在的地理位置之間的距離最短的商城商品作為特定商城商品。

本發(fā)明實(shí)施例提供的技術(shù)方案可產(chǎn)生以下有益效果：根據(jù)基于深度學(xué)習(xí)的檢測(cè)方法訓(xùn)練商品圖片，并獲取商品模型；獲取視頻節(jié)目中的圖像，并根據(jù)所述商品模型識(shí)別所述圖像中是否存在商品；將自所述圖像中識(shí)別出的所述商品與指定商城中的商城商品進(jìn)行匹配；從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品。該方案將基于深度學(xué)習(xí)訓(xùn)練得到的商品模型應(yīng)用至商品識(shí)別中，且該方法提升了商品識(shí)別的準(zhǔn)確度和識(shí)別效率，提升了用戶(hù)體驗(yàn)。

本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在所寫(xiě)的說(shuō)明書(shū)、權(quán)利要求書(shū)、以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

附圖說(shuō)明

附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，并且構(gòu)成說(shuō)明書(shū)的一部分，與本發(fā)明的實(shí)施例一起用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的限制。

在附圖中：

圖1為本發(fā)明根據(jù)一示例性實(shí)施例示出的一種基于深度學(xué)習(xí)的商品識(shí)別方法的流程圖。

圖2為本發(fā)明根據(jù)一示例性實(shí)施例示出的另一種基于深度學(xué)習(xí)的商品識(shí)別方法的流程圖。

圖3為本發(fā)明根據(jù)一示例性實(shí)施例示出的一種基于深度學(xué)習(xí)的商品識(shí)別方法的步驟S30的流程圖。

圖4為本發(fā)明根據(jù)一示例性實(shí)施例示出的一種基于深度學(xué)習(xí)的商品識(shí)別方法的步驟S40的流程圖。

圖5為本發(fā)明根據(jù)一示例性實(shí)施例示出的一種基于深度學(xué)習(xí)的商品識(shí)別裝置的框圖。

圖6為本發(fā)明根據(jù)一示例性實(shí)施例示出的另一種基于深度學(xué)習(xí)的商品識(shí)別裝置的框圖。

圖7為本發(fā)明根據(jù)一示例性實(shí)施例示出的一種基于深度學(xué)習(xí)的商品識(shí)別裝置的匹配模塊63的框圖。

圖8為本發(fā)明根據(jù)一示例性實(shí)施例示出的一種基于深度學(xué)習(xí)的商品識(shí)別裝置的選取模塊64的框圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行說(shuō)明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實(shí)施例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。

本公開(kāi)實(shí)施例提供了一種基于深度學(xué)習(xí)的商品識(shí)別方法，用于將基于深度學(xué)習(xí)訓(xùn)練得到的商品模型應(yīng)用至商品識(shí)別中，且該方法提升了商品識(shí)別的準(zhǔn)確度和識(shí)別效率，提升了用戶(hù)體驗(yàn)。如圖1所示，該方法包括步驟S10-S40：

在步驟S10中，根據(jù)基于深度學(xué)習(xí)的檢測(cè)方法訓(xùn)練商品圖片，并獲取商品模型；其中，所述基于深度學(xué)習(xí)的檢測(cè)方法可以根據(jù)需求進(jìn)行設(shè)定，在一個(gè)實(shí)施例中，所述基于深度學(xué)習(xí)的檢測(cè)方法為基于深度學(xué)習(xí)的faster-rcnn算法。但在本發(fā)明中，所述基于深度學(xué)習(xí)的檢測(cè)方法不限定于以上算法，只要可以達(dá)到訓(xùn)練所需的商品模型的效果即可。

在步驟S20中，獲取視頻節(jié)目中的圖像，并根據(jù)所述商品模型識(shí)別所述圖像中是否存在商品；在本實(shí)施例中，首先需要自視頻節(jié)目中獲取圖像，并根據(jù)預(yù)設(shè)檢測(cè)方法(可以根據(jù)需求進(jìn)行設(shè)定)檢測(cè)所述圖像中是否存在商品，當(dāng)檢測(cè)到所述圖像中并不存在商品時(shí)，可以將所述圖像丟棄并重新進(jìn)行獲取圖像；當(dāng)檢測(cè)到所述圖像中存在商品時(shí)，可以在以下步驟中將其與指定商城中的商城商品進(jìn)行匹配。

在步驟S30中，將自所述圖像中識(shí)別出的所述商品與指定商城中的商城商品進(jìn)行匹配；其中，所述指定商城可以是用戶(hù)指定的多個(gè)商城，也可以是在用戶(hù)默認(rèn)系統(tǒng)設(shè)置的商城。在視頻節(jié)目中識(shí)別出商品完畢之后，可以將其與指定商城中的商城商品進(jìn)行比對(duì)，且在比對(duì)之后，將與在視頻節(jié)目中識(shí)別出商品匹配的商城商品，設(shè)定為在該商城中識(shí)別出的商城商品。

在步驟S40中，從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品。也即，所述預(yù)設(shè)參數(shù)可以根據(jù)用戶(hù)需求進(jìn)行設(shè)定，比如，根據(jù)商城與用戶(hù)之間的地理位置的距離、商品價(jià)格、用戶(hù)喜好、商品購(gòu)買(mǎi)的頻率及好評(píng)率等。

在一個(gè)實(shí)施例中，如圖2所示，所述方法的步驟S40之后還包括步驟S50：

在步驟S50中，將選取的所述特定商城商品的鏈接發(fā)送至用戶(hù)。也即，在將所述特定商城商品選取完畢之后，將該特定商城商品發(fā)送至用戶(hù)，以供用戶(hù)進(jìn)行選擇。

在一個(gè)實(shí)施例中，如圖3所示，所述步驟S30包括：

步驟S301、根據(jù)感知哈希算法，將自所述圖像中識(shí)別出來(lái)的所述商品與指定商城中的商城商品進(jìn)行匹配，并將所述指定商城中所有與所述商品匹配的商城商品設(shè)定為識(shí)別出的商城商品。其中，所述指定商城可以是用戶(hù)指定的多個(gè)商城，也可以是在用戶(hù)默認(rèn)系統(tǒng)設(shè)置的商城。在視頻節(jié)目中識(shí)別出商品完畢之后，可以將其與指定商城中的商城商品進(jìn)行比對(duì)，且在比對(duì)之后，將與在視頻節(jié)目中識(shí)別出商品匹配的商城商品，設(shè)定為在該商城中識(shí)別出的商城商品。

在一個(gè)實(shí)施例中，如圖4所示，所述步驟S40包括：

步驟S401、獲取與識(shí)別出的所述商品匹配的各所述商城商品所處商城的地理位置；也即，在本實(shí)施例中，將所述預(yù)設(shè)參數(shù)設(shè)定為商品所處商城與用戶(hù)之間的地理位置的距離，當(dāng)兩者之間的地理位置的距離最短時(shí)，將該商品設(shè)定為特定商城商品。

步驟S402、獲取各所述商城商品所處商城的地理位置與用戶(hù)所在的地理位置之間的距離；

步驟S403、選取所處商城的地理位置與用戶(hù)所在的地理位置之間的距離最短的商城商品作為特定商城商品。也即，當(dāng)兩者之間的地理位置的距離最短時(shí)，將該商品設(shè)定為特定商城商品，并將該特定商城商品的連接提供給用戶(hù)。

本發(fā)明實(shí)施例提供的上述方法，根據(jù)基于深度學(xué)習(xí)的檢測(cè)方法訓(xùn)練商品圖片，并獲取商品模型；獲取視頻節(jié)目中的圖像，并根據(jù)所述商品模型識(shí)別所述圖像中是否存在商品；將自所述圖像中識(shí)別出的所述商品與指定商城中的商城商品進(jìn)行匹配；從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品。該方案將基于深度學(xué)習(xí)訓(xùn)練得到的商品模型應(yīng)用至商品識(shí)別中，且該方法提升了商品識(shí)別的準(zhǔn)確度和識(shí)別效率，提升了用戶(hù)體驗(yàn)。

對(duì)應(yīng)本發(fā)明實(shí)施例提供的基于深度學(xué)習(xí)的商品識(shí)別方法，本發(fā)明還提供基于深度學(xué)習(xí)的商品識(shí)別裝置，如圖5所示，該裝置可包括：

訓(xùn)練模塊61，用于根據(jù)基于深度學(xué)習(xí)的檢測(cè)方法訓(xùn)練商品圖片，并獲取商品模型；其中，所述基于深度學(xué)習(xí)的檢測(cè)方法可以根據(jù)需求進(jìn)行設(shè)定，在一個(gè)實(shí)施例中，所述基于深度學(xué)習(xí)的檢測(cè)方法為基于深度學(xué)習(xí)的faster-rcnn算法。但在本發(fā)明中，所述基于深度學(xué)習(xí)的檢測(cè)方法不限定于以上算法，只要可以達(dá)到訓(xùn)練所需的商品模型的效果即可。

識(shí)別模塊62，用于獲取視頻節(jié)目中的圖像，并根據(jù)所述商品模型識(shí)別所述圖像中是否存在商品；在本實(shí)施例中，首先需要自視頻節(jié)目中獲取圖像，并根據(jù)預(yù)設(shè)檢測(cè)方法(可以根據(jù)需求進(jìn)行設(shè)定)檢測(cè)所述圖像中是否存在商品，當(dāng)檢測(cè)到所述圖像中并不存在商品時(shí)，可以將所述圖像丟棄并重新進(jìn)行獲取圖像；當(dāng)檢測(cè)到所述圖像中存在商品時(shí)，可以在以下步驟中將其與指定商城中的商城商品進(jìn)行匹配。

匹配模塊63，用于將自所述圖像中識(shí)別出的所述商品與指定商城中的商城商品進(jìn)行匹配；其中，所述指定商城可以是用戶(hù)指定的多個(gè)商城，也可以是在用戶(hù)默認(rèn)系統(tǒng)設(shè)置的商城。在視頻節(jié)目中識(shí)別出商品完畢之后，可以將其與指定商城中的商城商品進(jìn)行比對(duì)，且在比對(duì)之后，將與在視頻節(jié)目中識(shí)別出商品匹配的商城商品，設(shè)定為在該商城中識(shí)別出的商城商品。

選取模塊64，用于從匹配的所述商城商品中，根據(jù)預(yù)設(shè)參數(shù)選取特定商城商品。也即，所述預(yù)設(shè)參數(shù)可以根據(jù)用戶(hù)需求進(jìn)行設(shè)定，比如，根據(jù)商城與用戶(hù)之間的地理位置的距離、商品價(jià)格、用戶(hù)喜好、商品購(gòu)買(mǎi)的頻率及好評(píng)率等。

在一個(gè)實(shí)施例中，如圖6所示，所述裝置還包括：

發(fā)送模塊65，用于將選取的所述特定商城商品的鏈接發(fā)送至用戶(hù)。也即，在將所述特定商城商品選取完畢之后，將該特定商城商品發(fā)送至用戶(hù)，以供用戶(hù)進(jìn)行選擇。

在一個(gè)實(shí)施例中，所述基于深度學(xué)習(xí)的檢測(cè)方法包括基于深度學(xué)習(xí)的faster-rcnn算法。

在一個(gè)實(shí)施例中，如圖7所示，所述匹配模塊63包括：

匹配子模塊631，用于根據(jù)感知哈希算法，將自所述圖像中識(shí)別出來(lái)的所述商品與指定商城中的商城商品進(jìn)行匹配，并將所述指定商城中所有與所述商品匹配的商城商品設(shè)定為識(shí)別出的商城商品。其中，所述指定商城可以是用戶(hù)指定的多個(gè)商城，也可以是在用戶(hù)默認(rèn)系統(tǒng)設(shè)置的商城。在視頻節(jié)目中識(shí)別出商品完畢之后，可以將其與指定商城中的商城商品進(jìn)行比對(duì)，且在比對(duì)之后，將與在視頻節(jié)目中識(shí)別出商品匹配的商城商品，設(shè)定為在該商城中識(shí)別出的商城商品。

在一個(gè)實(shí)施例中，如圖8所示，所述選取模塊64包括：

第一獲取子模塊641，用于獲取與識(shí)別出的所述商品匹配的各所述商城商品所處商城的地理位置；也即，在本實(shí)施例中，將所述預(yù)設(shè)參數(shù)設(shè)定為商品所處商城與用戶(hù)之間的地理位置的距離，當(dāng)兩者之間的地理位置的距離最短時(shí)，將該商品設(shè)定為特定商城商品。

第二獲取子模塊642，用于獲取各所述商城商品所處商城的地理位置與用戶(hù)所在的地理位置之間的距離；

選取子模塊643，用于選取所處商城的地理位置與用戶(hù)所在的地理位置之間的距離最短的商城商品作為特定商城商品。也即，當(dāng)兩者之間的地理位置的距離最短時(shí)，將該商品設(shè)定為特定商城商品，并將該特定商城商品的連接提供給用戶(hù)。

本發(fā)明實(shí)施例提供的上述裝置，將基于深度學(xué)習(xí)訓(xùn)練得到的商品模型應(yīng)用至商品識(shí)別中，且該方法提升了商品識(shí)別的準(zhǔn)確度和識(shí)別效率，提升了用戶(hù)體驗(yàn)。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤(pán)存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序請(qǐng)求實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序請(qǐng)求到通用計(jì)算機(jī)、專(zhuān)用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程信息處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程信息處理設(shè)備的處理器執(zhí)行的請(qǐng)求產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序請(qǐng)求也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程信息處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的請(qǐng)求產(chǎn)生包括請(qǐng)求裝置的制造品，該請(qǐng)求裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序請(qǐng)求也可裝載到計(jì)算機(jī)或其他可編程信息處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的請(qǐng)求提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。