[发明专利]一种基于图像的商品结算方法、装置、介质及电子设备

权利要求书

1.一种基于图像的商品结算方法，其特征在于，包括：

对所获取的待结算图像进行检测，确定出所述待结算图像中待结算商品的区域图像；

对所待结算商品的区域图像进行低维度映射，获得对应于所述待结算商品的特征向量；

基于所述待结算商品的特征向量，在预设的特征向量识别数据库中识别出所述待结算商品的特征向量所对应的价格信息；

将所识别出的价格信息求和，输出所述待结算图像的结算总价格。

2.根据权利要求1所述的基于图像的商品结算方法，其特征在于，所述对所获取的待结算图像进行检测，确定出所述待结算图像中待结算商品的区域图像，包括：

将所述待结算图像进行归一化处理，确定出所述待结算图像中的不变量并转换为符合预设标准形式的归一化待结算图像；

通过预训练的商品检测模型对所述归一化待结算图像进行商品检测，确定出所述归一化待结算图像中包围待结算商品的包围盒坐标信息，并截取所述包围盒坐标信息区域内的图像；

从所述包围盒坐标信息区域内的图像中截取出所述各待结算商品的区域图像。

3.根据权利要求2所述的基于图像的商品结算方法，其特征在于，所述预训练的商品检测模型包括：

将训练图像、待结算商品包围盒坐标信息以及商品类别作为商品检测模型的训练样本输入所述商品检测模型；

将预设的包围盒回归损失函数和预设的商品分类损失函数求和确定为所述商品检测模型的总损失函数；

基于所述训练样本和所述总损失函数，通过随机梯度下降算法对所述商品检测模型进行训练，输出所述预训练的商品检测模型。

4.根据权利要求1所述的基于图像的商品结算方法，其特征在于，所述对所待结算商品的区域图像进行低维度映射，获得对应于所述待结算商品的特征向量，包括：

将所述待结算商品的区域图像输入预训练的特征嵌入神经网络模型后，将所述待结算商品的区域图像映射为低维度的特征向量。

5.根据权利要求4所述的基于图像的商品结算方法，其特征在于，所述预训练的特征嵌入神经网络模型包括：

将训练图像进行归一化处理后的图像以及商品类别作为特征嵌入神经网络模型的训练样本；

将预设的归一化指数损失函数确定为所述特征嵌入神经网络模型的损失函数；

基于所述训练样本和所述损失函数，通过随机梯度下降算法对所述特征嵌入神经网络模型进行训练，输出所述预训练的特征嵌入神经网络模型。

6.根据权利要求1所述的基于图像的商品结算方法，其特征在于，所述基于所述待结算商品的特征向量，在预设的特征向量识别数据库中识别出所述待结算商品的特征向量所对应的价格信息，包括：

计算所述待结算商品的特征向量与预设的特征向量识别数据库中已入库商品的特征向量之间的相似度，确定出相似度最高的已入库商品的特征向量；

根据所述相似度最高的已入库商品的特征向量所对应的商品类别，查询出对应的价格信息；

将所述价格信息确定为所述待结算商品的价格信息。

7.根据权利要求6所述的基于图像的商品结算方法，其特征在于，所述预设的特征向量识别数据库中已入库商品的特征向量包括：

对已入库商品的图像进行归一化处理，获得符合预设标准格式的已入库商品的图像；

通过预训练的特征嵌入神经网络模型对所述预设标准格式的已入库商品的图像作前向传播运算，获得出所述已入库商品的图像的低维度的特征向量；

基于所述已入库商品的图像的低维度的特征向量建立特征向量识别数据库。