[发明专利]一种基于时序重排序的生鲜识别方法

权利要求书

1.一种基于时序重排序的生鲜识别方法，其特征在于包括：

A)神经网络训练步骤，包括：

A1)对于一个由大量随机选取的图像组成的识别序列S，初始化一个空的时间戳缓存区C，假设序列中所有图像的总类别数为J；

A2)对识别序列S中的每一个图像，通过特征提取网络N进行图像特征的提取，尺寸为(1,J)；

A3)从时间戳缓存区C中查询所有类别的最近出现时间R以及最近出现频率E；

A4)将图像特征与时序特征拼接，得到尺寸为(3,J)的混合特征，将该混合特征输入到时序重排序网络O中，得到最终的预测结果Y，尺寸为(1,J)；

A5)根据收银员基于识别结果Y反馈的正确的生鲜类别F，将当前图像的类别F与时间戳缓存至C中，

B)模型优化步骤，包括：

B1)对训练数据进行预加载策略，包括：对每一个识别序列S，按照时间戳的顺序，将所有数据遍历一遍，通过记录每一个图片的路径、对应的时间戳缓存区的状态、以及图片对应的真实类别，将三者缓存用于生鲜识别模型的并行训练；

B2)选择交叉熵损失函数计算最终的分类损失值，计算特征提取网络以及时序重排序网络的参数的梯度，并结合Adam优化器对神经网络的参数进行优化，

C)模型测试和推理步骤，包括：

类似于神经网络训练步骤，对识别序列中的每一张图像，先进行图像的特征提取，通过从时间戳缓存区查询得到时序特征，将图像特征与时序特征拼接后输入到时序重排序网络中，得到每个类别的识别置信度的预测结果，

然后，接收由收银员判断预测结果中是否有正确类别和/或通过点击或查询生鲜类别信息来确定并反馈的正确类别，使正确的类别被更新至时间戳缓存区中，从而完成当前图像的识别。

2.根据权利要求1所述的基于时序重排序的生鲜识别方法，其特征在于进一步包括：

通过设置有一定长度的时间戳缓存区，以存储并更新近期售卖的商品的售卖频率，并基于识别频率对识别结果做重新的排序，以解决生鲜识别场景下同一商品不同编码的难题，提高生鲜识别的精度。

3.根据权利要求1所述的基于时序重排序的生鲜识别方法，其特征在于进一步包括：

通过设置时序特征并拼接图像特征，增强人工智能模型对时序信息的感知，提高生鲜识别的精度。