[发明专利]图像识别系统

说明书

用于预测内容内的项目并且使用改进的细粒度图像分类技术系统和方法，所述系统和方法用于通过允许使用在例如角度、照明、相机设定等各种条件和环境下捕获的图像来识别产品，以产生用于在现实世界中标识消费产品的图像。

相关申请的交叉引用

本申请要求于2017年10月24日提交的标题为“图像识别系统(IMAGERECOGNITIONSYSTEM)”的美国临时专利申请第62/576250号的权益和优先权，出于任何和所有非限制性目的，通过引用明确地将所述申请整体并入本文。

技术领域

所公开的技术涉及用于标识和识别对象的系统和方法。更具体地说，所公开的技术涉及用于通过利用机器学习协议和算法来可靠地预测内容内的项目的系统和方法。

背景技术

某些图像分类系统受到用于训练和校准检测系统的输入类型的限制，并且还受到系统准确地检测在各种环境和条件下捕获的对象的能力的限制。实际上，随着越来越多地使用移动设备来捕获内容，分类系统通常依赖于本质上过于统一的条件下捕获的图像-目的是创建高质量图像。然而，即使具有增强的捕获能力，搜索空间(例如，表示图像中的像素值的抽象向量或张量场参数)也可能变得过于密集，由此使用传统的图像识别技术实际上不可能进行准确并且细粒度的图像分类。当试图开发高效的学习/通用化方案时，由于随着粒度变得非常精细而不可避免地缺少经标记或经分类的例子，执行细粒度分类可能会带来挑战。

为了以可能的最低的捕获事件量在尽可能多的场景和条件下高效地捕获对象的数据，无论视角、照明、亮度、焦点或运动模糊等，需要专门的系统和处理以使重复的、时间不敏感的和昂贵的数据捕获的性质降到最低。因此，需要一种改进的图像识别系统，其能够高效地获得要用作机器学习技术的训练和验证数据的图像数据，使得所述系统可以以一定的置信水平检测图像数据内的对象。因此，本公开的各方面旨在通过建立学习系统来解决此挑战，该学习系统在未开发的空间中很好地推广，并且能够充分理解产品的基本分类以高效地标识区分所述产品精细类的差异。

附图说明

图1说明根据示例实施例的可以被配置成向用户提供捕获和传输图像数据的能力的示例系统；

图2说明可以是图1的系统的一部分或与图1的系统通信的示例计算机设备；

图3A和图3B示出根据示例实施例的可以用于捕获产品的图像的示例用户界面；

图4A-图4D示出根据示例实施例的通信系统裁剪与所捕获产品相关联的图像数据的例子；

图5说明根据示例实施例的电子文档及其中的内容的例子；

图6示出根据示例实施例的与其中的产品捕获相关联的场的例子；

图7示出根据示例实施例的系统；

图8示出根据示例实施例的网络服务器；

图9示出根据示例实施例的电子文档数据库；

图10示出根据示例实施例的库存服务器；

图11示出根据示例实施例的库存数据库；

图12示出根据实例实施例的示例图像捕获系统；

图13示出根据实例实施例的示例图像捕获系统；

图14示出根据示例实施例的捕获图像数据的方法。

具体实施方式

本文中所公开的创新的各方面还涉及用于通过利用机器学习协议和算法来可靠地预测内容内的项目的系统和方法。使用改进的细粒度图像分类技术，本文中描述的分类系统可以区分共享基本分类内的异议以及某些基本分类的附属类。