[发明专利]动态柜图像识别模型训练方法、装置、电子设备和介质

权利要求书

1.一种动态柜图像识别模型训练方法，包括：

获取第一动态柜图像；

将所述第一动态柜图像输入至预先训练的第一图像特征提取网络，得到第一图像特征向量；

确定所述第一动态柜图像所对应的至少一个第一检测框；

将预先存储的第二动态柜图像集中每个第二动态柜图像输入至预先训练的所述第一图像特征提取网络，以输出第二图像特征向量，得到第二图像特征向量集，其中，所述第二动态柜图像集存在对应的第二检测框集组，所述第二检测框集组中各个第二检测框对应的图像为预先存储的第一物品图像集；

确定所述第二图像特征向量集中每个第二图像特征向量与所述第一图像特征向量之间的第一余弦距离，得到第一余弦距离集；

从所述第一余弦距离集中筛选出第一数目个满足预定条件的第一余弦距离，作为第一目标余弦距离，得到第一目标余弦距离集；

从所述第二动态柜图像集中筛选出与所述第一目标余弦距离集对应的第二动态柜图像子集；

依据预定方式来对所述第一动态柜图像和所述第二动态柜图像子集中的各个第二动态柜图像进行拼接，得到第一拼接后图像；

根据所述第一拼接后图像、所述第一物品图像集和所述至少一个第一检测框，生成所述第三动态柜图像；

将所述第三动态柜图像作为训练图像样本，利用机器学习模型训练方法，训练动态柜图像识别模型，得到训练后的动态柜图像识别模型。

2.根据权利要求1所述的方法，其中，所述根据所述第一拼接后图像、所述第一物品图像集和所述至少一个第一检测框，生成所述第三动态柜图像，包括：

对于所述至少一个第一检测框对应的每个第一检测框，执行第一图像生成步骤：

确定所述第一检测框对应的第二物品图像；

确定所述第二物品图像对应的第三图像特征向量；

确定所述第一物品图像集中每个第一物品图像对应的第四图像特征向量，得到第四图像特征向量集；

确定所述第四图像特征向量集中每个第四图像特征向量与所述第三图像特征向量之间的第二余弦距离，得到第二余弦距离集；

从所述第二余弦距离集中筛选出第二数目个满足所述预定条件的第二余弦距离，作为第二目标余弦距离，得到第二目标余弦距离集；

确定所述第二目标余弦距离集对应的第一物品图像子集；

根据所得到第一物品图像子集组，所述至少一个第一检测框和所述第一拼接后图像，生成所述第三动态柜图像。

3.根据权利要求2所述的方法，其中，所述根据所得到第一物品图像子集组，所述至少一个第一检测框和所述第一拼接后图像，生成所述第三动态柜图像，包括：

从所述第一物品图像子集组中筛选出目标数目个第一物品图像，得到筛选后第一物品图像集；

对所述筛选后第一物品图像集中各个第一物品图像进行数据增强，得到各个数据增强后第一物品图像；

将所述各个数据增强后第一物品图像融入所述第一拼接后图像，得到融入后图像，其中，所述融入后图像中的、与各个数据增强后第一物品图像相对应的检测框与所述至少一个第一检测框之间的交并比信息小于目标阈值；

将所述融入后图像确定为所述第三动态柜图像。

4.根据权利要求3所述的方法，其中，所述将所述各个数据增强后第一物品图像融入所述第一拼接后图像，得到融入后图像，包括：

对于所述各个数据增强后第一物品图像中的每个数据增强后第一物品图像，执行融入步骤：

对所述数据增强后第一物品图像中的第一范围内的子图像进行第一高斯模糊处理，以及对第一物品图像中的第二范围内的子图像进行第二高斯模糊处理，得到处理后第一物品图像；

将所述处理后第一物品图像与所述第一拼接后图像进行图像融合，得到第二融合后图像；

对所述第二融合后图像中的第三范围内的子图像进行双线性差值处理，得到处理后图像，作为所述融入后图像。