[发明专利]商品分类识别方法、装置、电子设备及存储介质

权利要求书

1.一种商品分类识别方法，其特征在于，包括：

采用第一卷积神经网络提取商品分布图像的每一区域图像的第一特征信息，其中，所述商品分布图像包括多个互不相交的区域图像，每一所述区域图像对应一商品；

根据所述区域图像以及对应第一特征信息生成对应的注意力区域图；

采用第二卷积神经网络提取所述注意力区域图的第二特征信息；

对所述第一特征信息以及对应所述第二特征信息进行池化处理，以得到双线性向量；

根据所述双线性向量获取所述区域图像对应的商品的分类的概率分布情况，并基于所述概率分布情况获取分类结果。

2.根据权利要求1所述的商品分类识别方法，其特征在于，所述根据所述区域图像以及对应第一特征信息生成对应的注意力区域图，包括：

将所述第一特征信息输入预设注意力区域提取模型，以获取注意力区域的位置信息；

根据所述注意力区域的位置信息对对应的区域图像进行裁剪，以获取初始注意力区域图；

对所述初始注意力区域图进行上采样处理，以获取与对应区域图像具有相同分辨率的注意力区域图。

3.根据权利要求2所述的商品分类识别方法，其特征在于，所述区域图像呈矩形状，所述注意力区域呈正方形状；

所述根据所述注意力区域的位置信息对对应的区域图像进行裁剪，以获取初始注意力区域图，包括：

生成一掩膜M，所述掩膜M与所述区域图像尺寸及形状相同，所述掩膜M的各个坐标点分别与所述区域图像的各个坐标点一一对应；

获取关于所述掩膜M的坐标点与注意力区域的位置信息的约束计算式；

根据所述约束计算式将所述区域图像的位于所述注意力区域的部分裁剪出，以得到初始注意力区域图。

4.根据权利要求2所述的商品分类识别方法，其特征在于，所述预设注意力区域提取模型包括至少两个依次相连的卷积层。

5.根据权利要求1所述的商品分类识别方法，其特征在于，所述根据所述双线性向量获取所述区域图像对应的商品的分类的概率分布情况，并基于所述概率分布情况获取分类结果，包括：

对所述双线性向量依次进行取平方根操作以及L2归一化操作，以得到目标向量；

将所述目标向量输入softmax函数，以得到与所述区域图像对应的商品的分类的概率分布情况；

根据所述概率分布情况获取所述区域图像对应的商品对应的分类结果。

6.根据权利要求1所述的商品分类识别方法，其特征在于，所述采用第一卷积神经网络提取商品分布图像的每一区域图像的第一特征信息之前，还包括：

获取商品分布图像，并在所述商品分布图像中生成多个标定框，每一所述标定框内包括一商品，所述多个标定框互不相交；

将每一所述标定框围成区域的图像提取出，以得到对应的区域图像。

7.一种商品分类识别装置，其特征在于，包括：

第一提取模块，用于采用第一卷积神经网络提取商品分布图像的每一区域图像的第一特征信息，其中，所述商品分布图像包括多个互不相交的区域图像，每一所述区域图像对应一商品；

第一生成模块，用于根据所述区域图像以及对应第一特征信息生成对应的注意力区域图；

第二提取模块，用于采用第二卷积神经网络提取所述注意力区域图的第二特征信息；

池化模块，用于对所述第一特征信息以及对应所述第二特征信息进行池化处理，以得到双线性向量；

识别模块，用于根据所述双线性向量获取所述区域图像对应的商品的分类的概率分布情况，并基于所述概率分布情况获取分类结果。

8.根据权利要求7所述的商品分类识别装置，其特征在于，所述第一生成模块包括：

第一获取单元，用于将所述第一特征信息输入预设注意力区域提取模型，以获取注意力区域的位置信息；

第二获取单元，用于根据所述注意力区域的位置信息对对应的区域图像进行裁剪，以获取初始注意力区域图；

放大单元，用于对所述初始注意力区域图进行上采样处理，以获取与对应区域图像具有相同分辨率的注意力区域图。