[发明专利]商品图片识别方法及装置

权利要求书

1.一种商品图片识别方法，其特征在于，方法包括：

截取目标商品图片中的局部图片，提取得到第一图片特征向量；

将所述第一图片特征向量输入至预先训练得到的第一指定模型中，并在所述第一指定模型的指定中间层输入第二图片特征向量，以进行融合处理，得到对应的第一输出结果；所述第二图片特征向量根据所述目标商品图片提取得到；

根据所述第一输出结果，确定是否对所述目标商品图片进行推荐。

2.根据权利要求1所述的方法，其特征在于，所述局部图片包含商品的标识信息；

所述截取目标商品图片中的局部图片具体为：识别得到所述目标商品图片中表征商品的标识信息的局部图片，截取得到所述局部图片。

3.根据权利要求1所述的方法，其特征在于，所述第一指定模型包括至少一个卷积层、至少一个卷积块和/或至少一个特征块；

所述将所述第一图片特征向量输入至预先训练得到的第一指定模型中，并在所述第一指定模型的指定中间层输入第二图片特征向量，以进行融合处理，得到对应的第一输出结果进一步包括：

将所述第一图片特征向量输入至预先训练得到的第一指定模型中，得到第一中间结果；

在所述第一指定模型的指定中间层接收输入的经卷积层处理的第二图片特征向量，并与所述第一中间结果进行融合处理，得到对应的第一输出结果。

4.根据权利要求1所述的方法，其特征在于，若根据所述第一输出结果对所述目标商品图片进行推荐，所述方法还包括：

获取所述目标商品图片的文本信息，将所述文本信息转化为文本特征向量；所述文本信息包括商品历史点击率、历史购买率、商品类别和/或商品价格；

将所述第二图片特征向量输入至预先训练得到的第二指定模型中，并在所述第二指定模型的指定中间层输入所述文本特征向量，以进行拼接处理和/或向量压平处理，得到第二输出结果；

根据所述第二输出结果，确定是否对所述目标商品图片进行推荐。

5.根据权利要求4所述的方法，其特征在于，所述第二指定模型包括至少一个指定层数的卷积层、至少一个卷积块和/或至少一个特征块；

所述将所述第二图片特征向量输入至预先训练得到的第二指定模型中，并在所述第二指定模型的指定中间层输入所述文本特征向量，以进行拼接处理和/或向量压平处理，得到第二输出结果进一步包括：

将所述第二图片特征向量输入至预先训练得到的第二指定模型中，得到第二中间结果；

在所述第二指定模型的指定中间层接收输入的经深度神经网络处理的文本特征向量，并与所述第二中间结果进行拼接处理和/或向量压平处理，得到对应的第二输出结果。

6.根据权利要求3或5所述的方法，其特征在于，所述卷积块将同一输入对象经不同卷积层得到的中间输出结果进行融合，得到卷积块的输出结果；所述特征块将输入对象将卷积层得到的中间输出结果与该输入对象进行融合，得到特征块的输出结果。