[发明专利]基于注意力机制多视图深度学习的球鞋真伪鉴定方法及系统

说明书

本发明公开了一种基于注意力机制多视图深度学习的球鞋真伪鉴定方法及系统，属于计算机视觉领域，该方法包括如下步骤：采集多视图球鞋图像数据；分别提取图像特征；注意力加权融合多视图特征；通过标记和未标记数据训练鉴别模型；预测球鞋真伪。本发明采用卷积神经网络作为基本模型进行图片特征提取，使用注意力机制自适应加权融合多视图特征拟合专家经验，通过标记数据学习模型鉴别能力并在大量的未标记数据上进行半监督学习提高模型的抗干扰能力和泛化性能，能够高效准确地鉴定球鞋真伪。本发明通过模型的灵活部署，可以实现从销售源头检测仿冒球鞋和在销售终端快速响应消费者的鉴别需求，有效地应对当前大规模球鞋真伪鉴定挑战。

技术领域

本发明属于计算机视觉领域，特别涉及一种基于注意力机制多视图深度学习的球鞋真伪鉴定方法及系统。

背景技术

随着在线购物的普及，商品真伪鉴定成为当下亟需解决的问题，其中以球鞋市场尤为突出，高仿球鞋层出不穷，给消费者和厂商带来了严重的经济损失，一些球鞋真伪鉴定方法应运而生。现有的方法需要专业机构和领域专家比对待鉴定球鞋的外观、标签等多视图的图像和正版球鞋的细微差异给出真伪，经过研究发现，现有的鉴定方法存在的问题主要有：

(1)成为领域鉴定专家需要层层筛选，导致了专家数量与鉴定需求的不匹配；

(2)专家鉴定费时费力，难以给消费者及时反馈。

基于以上原因，传统的专家鉴定方法无法应对球鞋市场快速增长所带来的大规模鉴定需求。近年来，随着深度学习的日益普及，相关模型为传统行业提供了高效的解决方案，成为推动相关行业发展和升级的重要影响因素。

卷积神经网络是深度学习在计算机视觉领域的代表算法之一，具有强大的表征学习能力。注意力机制起源于图像领域，其借鉴人类的注意力思维方式，被广泛应用于自然语言处理、图像分类等深度学习任务中。本发明结合卷积神经网络和注意力机制，构建球鞋真伪鉴别模型用以真伪鉴定。

发明内容

本发明为解决球鞋真伪鉴定中专家方法的低效问题，提出了一种基于注意力机制多视图深度学习的球鞋真伪鉴定方法，通过自动化模型代替人工筛查，以应对大规模的鉴定需求并快速响应给出真伪反馈。

本发明采用的技术方案如下：

一方面，本发明提供一种基于注意力机制多视图深度学习的球鞋真伪鉴定方法，包括如下步骤：

步骤1，采集多视图球鞋图像数据；

步骤2，分别提取图像特征；

步骤3，注意力加权融合多视图特征；

步骤4，通过标记和未标记数据训练鉴别模型；

步骤5，预测球鞋真伪。

进一步的，所述步骤1中，收集球鞋多视图图像数据，包括外观、商标、中底走线、鞋垫、鞋盒商标、钢印共六个视图，分为专家标记数据和未标记数据。

进一步的，所述步骤2中，分别提取图像特征，使用卷积神经网络为采集的多视图分别提取语义表示，具体地对于单张视图，依次使用不同的卷积核多角度提取特征，池化操作特征选择，最后经过线性神经网络得到图片表征。

进一步的，所述步骤3中，注意力加权融合多视图特征包括以下步骤：

1)为输入的多视图图像特征分别计算注意力权重，具体形式为：

其中K为视图数量，为第i个样本视图k的特征表示，为第i个样本视图j的特征表示，h(·)为注意力加权网络，用于自适应学习图片的权重信息，α_k为视图k的习得权重。

2)使用注意力权重对不同多视图特征加权融合，具体形式为：