[发明专利]商品检索方法、装置及电子设备

权利要求书

1.一种商品检索方法，其特征在于，包括：

获取商品对应的待检索图像；

基于预训练的神经网络模型，提取所述待检索图像的待检索特征；

根据所述待检索图像的待检索特征，基于预先建立的商品特征库，进行商品检索；

其中所述商品特征库是基于所述预训练的神经网络模型，对旋转变换后的待提取图像进行特征提取而建立的。

2.根据权利要求1所述的方法，其特征在于，所述商品特征库的建立过程包括：

对于每种商品对应的待对比图像，对所述待对比图像进行补零处理，得到图像长度和宽度相等的第一图像；

对所述第一图像进行缩放操作，得到与预训练的神经网络模型相匹配的第二图像；

对所述第二图像进行旋转变换，得到多个待提取图像；

对待提取图像进行特征提取，获得待对比特征；

将每种商品对应的待对比特征进行存储，得到商品特征库。

3.根据权利要求2所述的方法，其特征在于，所述基于预训练的神经网络模型，提取所述待检索图像的待检索特征包括：

利用所述预训练的神经网络模型的卷积层，对所述待检索图像进行特征提取，获得第一特征图像；

对所述第一特征图像进行全局平均池化处理，得到待检索特征。

4.根据权利要求2所述的方法，其特征在于，所述基于预训练的神经网络模型，提取所述待检索图像的待检索特征包括：

利用所述预训练的神经网络模型的卷积层，对所述待检索图像进行特征提取，获得第一特征图像；

对所述第一特征图像进行全局平均池化处理，得到第一特征向量；

对所述第一特征图像进行全局最大池化处理，得到第二特征向量；

根据所述第一特征向量和所述第二特征向量，得到待检索特征。

5.根据权利要求2所述的方法，其特征在于，所述基于预训练的神经网络模型，提取所述待检索图像的待检索特征包括：

利用所述预训练的神经网络模型的卷积层和全连接层，对所述待检索图像进行特征提取，获得待检索特征。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述预训练的网络模型包括VGG16模型或者ResNet152模型。

7.一种商品检索装置，其特征在于，包括：

检索图像获取模块，用于获取商品对应的待检索图像；

检索特征提取模块，用于基于预训练的神经网络模型，提取所述待检索图像的待检索特征；

商品检索模块，用于根据所述待检索图像的待检索特征，基于预先建立的商品特征库，进行商品检索；

其中所述商品特征库是基于旋转变换后的待提取图像建立的。

8.根据权利要求7所述的装置，其特征在于，还包括特征库建立模块，所述特征库建立模块，用于：

对于每种商品对应的待对比图像，对所述待对比图像进行补零处理，得到图像长度和宽度相等的第一图像；

对所述第一图像进行缩放操作，得到与预训练的神经网络模型相匹配的第二图像；

对所述第二图像进行旋转变换，得到多个待提取图像；

对待提取图像进行特征提取，获得待对比特征；

将每种商品对应的待对比特征进行存储，得到商品特征库。

9.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至6任一项所述的方法。