[发明专利]商品图像的质量识别方法、装置、计算设备及存储介质

权利要求书

1.一种商品图像的质量识别方法，其特征在于，包括：

获取商品图像；

将所述商品图像输入至预先训练好的图像背景识别模型，并基于所述图像背景识别模型的输出结果获得所述商品图像的背景质量评分；

将所述商品图像输入至预先训练好的商品位置识别模型，并基于所述商品位置识别模型的输出结果获得所述商品图像的商品位置质量评分；

将所述商品图像输入至预先训练好的用户视觉体验识别模型，并基于所述用户视觉体验识别模型的输出结果获得所述商品图像的视觉体验质量评分；

根据所述背景质量评分、所述商品位置质量评分、以及所述视觉体验质量评分获得所述商品图像的总质量评分。

2.根据权利要求1所述的方法，其特征在于，在所述将所述商品图像输入至预先训练好的用户视觉体验识别模型之前，所述方法还包括：

构建用户视觉体验识别模型以及所述用户视觉体验识别模型的孪生模型；

针对于任一样本商品图像，将该样本商品图像以及该样本商品图像的视觉体验质量评分标签输入至所述孪生模型，以及将该样本商品图像进行加噪处理后的加噪样本图像以及该加噪样本图像的视觉体验质量评分标签输入至所述用户视觉体验识别模型；

根据所述孪生模型的输出结果与所述用户视觉体验识别模型的输出结果的差异，计算损失函数；

当满足预设损失条件时，输出训练好的用户视觉体验识别模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述孪生模型的输出结果与所述用户视觉体验识别模型的输出结果的差异，计算损失函数进一步包括：

若所述孪生模型输出的视觉体验质量评分大于或等于所述用户视觉体验识别模型输出的视觉体验质量评分，则不计算所述损失函数；

若所述孪生模型输出的视觉体验质量评分小于所述用户视觉体验识别模型输出的视觉体验质量评分，则计算所述损失函数。

4.根据权利要求3所述的方法，其特征在于，所述计算所述损失函数进一步包括：

根据所述孪生模型输出的视觉体验质量评分计算所述孪生模型的第一回归损失，以及根据所述用户视觉体验识别模型输出的视觉体验质量评分计算所述用户视觉体验识别模型的第二回归损失；

根据所述第一回归损失以及所述第二回归损失计算所述损失函数。

5.根据权利要求2-4中任一项所述的方法，其特征在于，所述基于所述用户视觉体验识别模型的输出结果获得所述商品图像的视觉体验质量评分进一步包括：

获取所述用户视觉体验识别模型的输出的视觉体验子评分以及噪音子评分；

根据所述视觉体验子评分以及所述噪音子评分获得所述商品图像的视觉体验质量评分。

6.根据权利要求1-4中任一项所述的方法，其特征在于，所述图像背景识别模型包括：多个不同结构的Bottleneck模块。

7.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于所述商品位置识别模型的输出结果获得所述商品图像的商品位置质量评分进一步包括：

获取所述商品位置识别模型输出的商品位置类别、商品坐标信息、以及坐标概率信息；

根据所述商品位置类别、所述商品坐标信息、和/或所述坐标概率信息获得所述商品图像的商品位置质量评分。

8.一种商品图像的质量识别装置，其特征在于，包括：

获取模块，用于获取商品图像；

第一执行模块，用于将所述商品图像输入至预先训练好的图像背景识别模型，并基于所述图像背景识别模型的输出结果获得所述商品图像的背景质量评分；

第二执行模块，用于将所述商品图像输入至预先训练好的商品位置识别模型，并基于所述商品位置识别模型的输出结果获得所述商品图像的商品位置质量评分

第三执行模块，用于将所述商品图像输入至预先训练好的用户视觉体验识别模型，并基于所述用户视觉体验识别模型的输出结果获得所述商品图像的视觉体验质量评分；

综合模块，用户根据所述背景质量评分、所述商品位置质量评分、以及所述视觉体验质量评分获得所述商品图像的总质量评分。