[发明专利]商品检索方法、装置及电子设备

说明书

本发明提供了一种商品检索方法、装置及电子设备，涉及图像处理技术领域，该方法首先基于预训练的神经网络模型，提取该待检索图像的待检索特征；根据该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；其中上述商品特征库是基于上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。在两个方面克服目前新零售场景下的商品检索难度大的问题，能够更加有力的区分不同图像之间的不同，降低模型训练时对海量数据的依赖性，在提高图像检索精度的基础上，促进新零售行业的智能化发展。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种商品检索方法、装置及电子设备。

背景技术

商品检索的本质问题是图像检索(image retrieval)问题，图像检索是计算机视觉领域中一项重要的研究课题，在新零售场景中，商品检索是非常关键的一步，商品检索的精度直接决定了零售模型的表现。

目前在研究中，进行检索的图片大多具有相差较大的外观，充足的光线，并且无遮挡，检索难度不大。但是在零售场景下的商品检索问题中，我们面对的主要困难有：商品的细粒度(fine-grained)特性，即商品间的外观相似；角度、光线条件的变化；遮挡问题等。在使用目前提出的图像检索方法来解决商品检索问题时，需要依赖海量数据进行模型训练，且检索精度低，阻碍了新零售行业的智能化发展。

发明内容

有鉴于此，本发明的目的在于提供一种商品检索方法、装置及电子设备，以缓解目前新零售场景下的商品检索难度大的问题，能够更加有力的区分不同图像之间的不同，降低模型训练时对海量数据的依赖性，在提高图像检索精度的基础上，促进新零售行业的智能化发展。

第一方面，本发明实施例提供了一种商品检索方法，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。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，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。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，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。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，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；