[发明专利]基于迁移学习的多视角商品图像检索与识别方法

摘要

本发明公开一种基于迁移学习的多视角商品图像检索与识别方法，1、根据商品列表建立多视角图像基础库，接着借助迁移学习技术，使用少量商品图像对已预训练的深度残差网络进行微调，然后使用该网络对图像基础库提取特征，对特征降维后构建特征库，最后根据特征库、图像基础库和商品类别的对应关系建立映射表；2、在获得待识别的商品图像后，使用上述网络对该图像提取特征并降维；3、对待识别商品图片特征与基础库中各图片特征进行距离度量，距离最小的就是最相似的图片，将其作为匹配结果，最后通过映射表获得待识别图片的商品类别名称；本发明能够自动提取强表征能力的特征，进一步突破语义鸿沟，并且在只利用少量图像基础库和低维特征的情况下，提高检索效率和识别精度。

主权项

一种基于迁移学习的多视角商品图像检索与识别方法，其特征在于：包括如下步骤：步骤A：在获取已有商品列表后，为了获得每一类产品包装的全方位外观信息，根据商品列表为每一类产品建立多视角图像基础库，产品的多视角图像是指不同角度下拍摄的产品图像；借助迁移学习技术，直接使用少量商品图像数据集对在行人再识别Market‑1501数据集上预训练过的深度残差网络模型进行微调，然后使用此网络对多视角图像基础库中的所有图片进行特征提取；为了加速之后的特征匹配过程，使用主成分分析法对特征降维，并构建低维特征库；根据特征库、多视角图像基础库和产品类别名称的对应关系构建映射表；步骤B：在获取到待识别的商品图像后，使用步骤A中已微调后的网络对该图像提取特征，接着对该特征进行降维处理；步骤C：在产品多视角基础库建立完成，并且获取待识别商品图片的低维特征之后，计算待识别商品图像特征与多视角图像基础库中各图片特征的欧式距离，通过排序找到距离最近的图片即为最相似的图片；接着通过映射表的映射关系得到待识别图像所属商品类别名称。