[发明专利]商品分类识别方法及装置

权利要求书

1.一种商品分类识别方法，其特征在于，包括：

获取待识别商品图像；

将所述待识别商品图像输入至商品分类识别模型，得到由所述商品分类识别模型输出的所述待识别商品图像中的商品类别；

其中，所述商品分类识别模型基于卷积神经网络构建，所述卷积神经网络包括Eltwise层，所述Eltwise层的每项输入数据各自对应有预先确定的第一类定点系数，所述Eltwise层的输出数据对应有预先确定的第二类定点系数，所述Eltwise层用于基于两项输入数据对应的第一类定点系数的第一乘积结果、每项输入数据对应的第一类定点系数以及所述第二类定点系数，对所述两项输入数据进行运算，以得到输出数据；

所述输入数据以及所述输出数据均为定点型数据，所述商品分类识别模型基于携带有商品类别标签的样本图像训练得到。

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Eltwise层具体用于：

确定所述两项输入数据中第一项输入数据对应的第一类定点系数与第二项输入数据的第二乘积结果，以及所述第二项输入数据对应的第一类定点系数与所述第一项输入数据的第三乘积结果；

对所述第二乘积结果与所述第三乘积结果进行运算，得到备用运算结果；

基于所述备用运算结果，以及所述第二类定点系数与所述第一乘积结果的第一比值，确定所述输出数据。

3.根据权利要求2所述的商品分类识别方法，其特征在于，所述基于所述备用运算结果，以及所述第二类定点系数与所述第一乘积结果的第一比值，确定所述输出数据，之前还包括：

确定所述备用运算结果大于目标取值范围中的最大值，则令所述备用运算结果等于所述最大值；或者，

确定所述备用运算结果小于所述目标取值范围中的最小值，则令所述备用运算结果等于所述最小值；

其中，所述目标取值范围为所述卷积神经网络中允许的定点型数据取值范围。

4.根据权利要求2所述的商品分类识别方法，其特征在于，所述基于所述备用运算结果，以及所述第二类定点系数与所述第一乘积结果的第一比值，确定所述输出数据，具体包括：

基于所述第一比值，以及所述备用运算结果对应的预设移位信息，确定所述备用运算结果对应的预设量化系数；

基于所述预设量化系数以及所述预设移位信息，确定所述输出数据。

5.根据权利要求4所述的商品分类识别方法，其特征在于，所述预设移位信息包括移位方向和移位位数；相应地，

所述基于所述第一比值，以及所述备用运算结果对应的预设移位信息，确定所述备用运算结果对应的预设量化系数，具体包括：

计算所述第一比值与2的预设指数次幂的乘积，得到第四乘积结果；所述预设指数为所述移位位数；

将所述第四乘积结果进行取整操作，得到所述预设量化系数。

6.根据权利要求4所述的商品分类识别方法，其特征在于，所述预设移位信息包括移位方向和移位位数；相应地，

所述基于所述预设量化系数以及所述预设移位信息，确定所述输出数据，具体包括：

计算所述备用运算结果与所述预设量化系数的乘积，得到第五乘积结果；

基于所述预设移位信息，对所述第五乘积结果进行移位处理，得到所述输出数据。