[发明专利]商品分类识别方法及装置

说明书

本申请实施例涉及目标分类识别技术领域，提供了一种商品分类识别方法及装置，商品分类识别方法包括：获取待识别商品图像；将待识别商品图像输入至商品分类识别模型，得到由商品分类识别模型输出的待识别商品图像中的商品类别。由于Eltwise层的输入数据以及输出数据均为定点型数据，使得通过商品分类识别模型，可以占用较少的计算机资源即可进行商品分类识别，而且消耗时间短，可以提高商品分类识别速度。卷积神经网络中包含Eltwise层，通过Eltwise层的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第二类定点系数，Eltwise层可以实现对两项定点型的输入数据进行运算。

技术领域

本申请涉及目标分类识别技术领域，尤其涉及一种商品分类识别方法及装置。

背景技术

在开放式智能零售货柜中，采用鱼眼摄像头对放置在货柜中的商品进行图像采集，从而对商品进行分类识别操作。对于货柜运营商而言，较高的分类识别准确率是必不可少的。鱼眼摄像头对商品拍摄成像时存在遮挡，其拍摄的图像更多展现了顶部及靠近顶部区域的局部的图像，缺乏商品其他部分的较为显著的特征信息。因此，这种情况会对分类识别算法的准确性造成影响，导致分类识别的准确率降低。

目前，为提高商品分类识别的准确性，通常采用神经网络实现，但在利用神经网络模型进行商品分类识别的过程中，存在着大量复杂的数据运算，如各个网络层的浮点型模型参数与可能为小数形式的图像数据之间的运算，导致商品分类识别时占用的计算机资源多、消耗时间长。而且，在利用神经网络模型处理任务时，经常需要重新构建神经网络模型，此时对各个网络层的参数处理的复杂度会导致构建模型效率低下，进而极大地降低了神经网络模型进行商品分类识别的效率。

综上所述，在利用神经网络模型进行商品分类识别时，利用复杂数据类型的参数构建神经网络模型的过程复杂且占用资源较多，且构建的神经网络模型处理任务时占用计算资源多，消耗时间长，处理任务效率低下。

发明内容

本申请提供一种商品分类识别方法及装置，以实现占用较少的计算机资源即可商品分类识别，而且消耗时间短，可以提高商品分类识别速度。

本申请提供一种商品分类识别方法，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。

根据本申请提供的一种商品分类识别方法，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。

根据本申请提供的一种商品分类识别方法，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：