[发明专利]图像识别装置及存储介质、图像识别方法

说明书

本发明公开了一种图像识别装置及存储介质、图像识别方法，其根据摄像图像能够精度良好地识别商品。图像识别装置将商品的摄像图像作为输入，并通过使用共用的第一学习模型的深度学习来识别商品。图像识别装置将商品的摄像图像作为输入，并通过使用特有的第二学习模型的深度学习来识别商品。图像识别装置基于使用第一学习模型的深度学习的识别结果和使用第二学习模型的深度学习的识别结果来确定商品。

本申请主张申请日为2020年8月12日、申请号为JP2020-136189的日本申请为优先权，并引用上述申请的内容，通过引用将公开内容全部结合于此。

技术领域

本发明的实施方式涉及一种图像识别装置、存储有用于使计算机作为该装置发挥功能的控制程序的存储介质、以及图像识别方法。

背景技术

已知利用使用卷积神经网络等的深度学习来识别在由摄像机摄像到的图像中映出的商品的技术。并且，开发了利用该技术自动地识别未付有条形码的生鲜食品、水果等商品的图像识别装置。这种图像识别装置通过将摄像了识别对象的商品的图像输入到学习模型从而进行商品的识别。学习模型是机器学习的模型。学习模型通过具有AI(ArtificialIntelligence：人工智能)功能的计算机从分别摄像了各种商品的大量的图像数据提取特征量并将其模型化从而被创建。

然而，例如苹果被销往全国，其品种是多种多样的。既有被销往全国的品种的苹果，也有被限定于确定的区域销售的品种的苹果。而且，大部分品种的苹果的根据摄像图像而得到的特征量的差异小。因此，在利用具有与各种各样的品种的苹果相关的数据的学习模型进行了苹果的图像识别的情况下，有时难以进行被限定于确定的区域销售的苹果的品种判别。

发明内容

鉴于上述问题，本发明所要解决的技术问题是，提供一种图像识别装置及存储介质、图像识别方法，其能够根据摄像图像精度良好地识别商品。

为解决上述问题，本发明的一实施例，提供了一种图像识别装置具备第一识别部、第二识别部以及确定部。第一识别部将商品的摄像图像作为输入，并通过使用共用的第一学习模型的深度学习来识别商品。第二识别部将商品的摄像图像作为输入，并通过使用特有的第二学习模型的深度学习来识别商品。确定部基于第一识别部的识别结果和第二识别部的识别结果来确定商品。

根据上述的图像识别装置，能提供根据摄像图像能够精度良好地识别商品的图像识别装置。

在上述的图像识别装置中，所述第一学习模型是在各店铺中共用地用于商品的识别的学习模型，所述第二学习模型是在限定的店铺中用于商品的识别的学习模型。

根据上述的图像识别装置，还能精度良好地识别被限定于确定的区域销售的商品。

在上述的图像识别装置中，所述第二学习模型以限定的店铺的商品的识别结果为基础通过追加学习而被更新，所述第一学习模型以将学习过的所述第二学习模型汇集的方式而被更新。

根据上述的图像识别装置，第一学习模型通过汇集多个第二学习模型而能进行大多商品的识别。

在上述的图像识别装置中，所述确定部对所述第一识别部的识别结果和所述第二识别部的识别结果进行比较，根据任意一者的识别结果来确定所述商品。

根据上述的图像识别装置，能从任意一者的识别结果之中选择识别结果来确定商品。

在上述的图像识别装置中，所述确定部相对于所述第一识别部的识别结果增大所述第二识别部的识别结果的加权来确定所述商品。

根据上述的图像识别装置，能使第二识别部的识别结果优先。

在上述的图像识别装置中，还具备：判定部，判定由所述确定部确定的商品的正误；以及发送部，将训练数据向管理所述第二学习模型的服务器发送，所述训练数据在由所述判定部判定为正确答案的情况下，将所述确定的商品作为正确标签，在判定为错误答案的情况下，将修正后的商品作为正确标签。