[发明专利]一种商品识别方法、识别装置、存储介质和服务器

说明书

本发明提供了一种商品识别方法、识别装置、存储介质和服务器，属于智能零售的图形处理技术领域，首先，对新零售场景下商品的各个品类采集数据，并进行学习训练得到分类识别模型。在新零售端，先对商品进行数据采集，再用分类识别模型进行识别，取置信度靠前的N个类别做为结果预输出。将置信度最高的类别做为默认输出结果，当默认输出出现误识时，进入人工修正模块，修正模块提供后N‑1个类别的选项，人工选择其中正确的类别做为最终商品识别结果输出。本发明中的商品识别方法，简单易操作及技术迭代成本低，识别装置更适用于新零售中的商品误识难纠错等难点场景。因此，本发明极大地提升了商品识别整体性能，进而提升了新零售行业的效率。

技术领域

本发明涉及智能零售领域的图像处理技术，具体涉及一种商品识别方法、识别装置、存储介质和服务器。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术或先有技术。

随着新零售的发展，以人工智能为支撑的商品识别技术，在其中发挥越来越重要的作用，对商品的整个生命周期产生影响。在整个商品生命周期中，又以无人零售的商品智能识别为广大人民所直接接触。而在无人零售中，商品智能识别的技术体验直接反应到人民的客户体验当中，如何快速实时、准确地识别出商品，是提升用户体验的重要前提。

人工智能技术的快速落地应用，带动了无人自助零售高速发展，其中又以商品识别为人工智能技术的重点应用场景。但是，商品的智能识别，目前还无法达到百分百的准确率，这方面的问题直接影响着新零售的扩大发展与用户体验。

因此，如何提升商品识别模型中出现误识时的纠错性能，成为目前最需要解决的问题。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种商品识别方法、识别装置、存储介质和服务器，其能解决商品识别模型品类误识纠错性能差的问题。

设计原理：增加了一个误识纠错流程，可解决现有商品识别出现的小概率误识问题。本发明提出的商品识别方法，由现有商品识别输出top1结果扩展为输出topN+1个结果，可人为快速从N+1个结果中重新选择正确的识别结果，最终完成商品误识纠错。易实现、速度快及鲁棒性好。相比于现有的商品分类方法，本发明的商品识别装置，可以更好适用于无人零售商品误识等难点场景。极大地提升了无人零售的用户体验及行业效率。

总体方案：为了解决上述问题，本申请的总体设计方案如下。

一种商品识别方法，方法包括以下步骤：

S1、构建商品数据库D，学习训练得到商品端到端分类模型M；

S2、采用商品端到端分类模型M对待识别商品T的特征数据处理，得到C个分类置信度F∈R^1*C，其中，F＝[F₀，F₁，...，F_c-1]，为C个数值，其累加和为1，每个数值对应一个商品类别的识别置信度，按照即在C个数值中取最大的数值对应的索引输出，不重复取前N个结果输出，N≤C，得到商品topN的分类识别结果；

S3、将步骤S2中商品topN个分类识别结果中的top1结果默认输出为商品识别结果；

S4、当步骤S3中top1结果为误识结果时，人工自助选择修改，自助终端会下拉出N个选项，其中N-1个选项为topN识别结果中另N-1个结果，1个选项为该商品不存在选项；

S5、当出现人工自助修改情况，将当前商品的采集数据及人工自助修改的结果返回后端中央人工服务确认，若人工服务确认完成，则商品误识纠错成功，若人工服务确认失败，则判该商品不存在；

S6、重复步骤S2至步骤S5过程，完成整个新零售商品识别周期及误识纠错。

本发明还提供了一种识别装置，识别装置包括：