[发明专利]零售场景下的商品识别检测计数方法及系统在审

专利信息
申请号: 202111639176.8 申请日: 2021-12-29
公开(公告)号: CN114494823A 公开(公告)日: 2022-05-13
发明(设计)人: 万洪林;张理继;仲宗锋;孙景生 申请(专利权)人: 山东师范大学
主分类号: G06V20/00 分类号: G06V20/00;G06N3/04;G06N3/08
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 朱忠范
地址: 250014 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 零售 场景 商品 识别 检测 计数 方法 系统
【权利要求书】:

1.一种零售场景下的商品识别检测计数方法,其特征在于,包括:

获取待检测的零售场景图像;

利用预先训练好的检测模型处理所述待检测的零售场景图像,获取图像中包含的商品的类型及数量;其中,所述预先训练好的检测模型由训练集训练得到,所述训练集包括多张包含有零售商品的照片以及在所述照片中标注商品类别信息和商品数量信息的标签;其中,所述训练集中将零售场景照片的标注转化为COCO数据集采用的格式。

2.根据权利要求1所述的零售场景下的商品识别检测计数方法,其特征在于,使用残差网络与特征金字塔结构作为所述检测模型的主干网络;所述主杆网络中,对图像进行卷积操作后利用残差块获得不同尺度的特征图,利用特征金字塔结构对不同尺度的特征图进行特征融合,得到融合特征图。

3.根据权利要求2所述的零售场景下的商品识别检测计数方法,其特征在于,所述主干网络连接候选框生成网络,融合特征图输入到候选框生成网络对进行候选框的生成。

4.根据权利要求3所述的零售场景下的商品识别检测计数方法,其特征在于,所述候选框生成网络包括两条支路,一条是对生成的候选框进行分类,对候选框内所包含图像进行判断,将其分为前景背景;另一条支路是对候选框进行初步调整,得到初步的目标建议;所述候选框生成网络最终整合两条支路的检测建议,通过计算得到最终的检测目标建议。

5.根据权利要求4所述的零售场景下的商品识别检测计数方法,其特征在于,所述候选框生成网络连接级联的目标检测网络结构,依据检测目标建议,进行多阶段的定位计数与分类,生成最终的目标检测框,其中包含最终的商品类别和所包含商品的数量。

6.根据权利要求1-5任一项所述的零售场景下的商品识别检测计数方法,其特征在于,在训练所述检测模型时,使用多任务损失函数来实现端到端的训练,多任务损失函数由分类损失、回归损失、计数损失构成。

7.一种零售场景下的商品识别检测计数系统,其特征在于,包括:

获取模块,用于获取待检测的零售场景图像;

检测模块,用于利用预先训练好的检测模型处理所述待检测的零售场景图像,获取图像中包含的商品的类型及数量;其中,所述预先训练好的检测模型由训练集训练得到,所述训练集包括多张包含有零售商品的照片以及在所述照片中标注商品类别信息和商品数量信息的标签;其中,所述训练集中将零售场景照片的标注转化为COCO数据集采用的格式。

8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-6任一项所述的零售场景下的商品识别检测计数方法。

9.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如权利要求1-6任一项所述的零售场景下的商品识别检测计数方法。

10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-6任一项所述的零售场景下的商品识别检测计数方法的指令。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111639176.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top