CN109086938B - 产品sku识别方法、装置及计算机可读存储介质 - Google Patents

产品sku识别方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN109086938B
CN109086938B CN201810904154.1A CN201810904154A CN109086938B CN 109086938 B CN109086938 B CN 109086938B CN 201810904154 A CN201810904154 A CN 201810904154A CN 109086938 B CN109086938 B CN 109086938B
Authority
CN
China
Prior art keywords
product
identified
picture
information
sku
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810904154.1A
Other languages
English (en)
Other versions
CN109086938A (zh
Inventor
许欢庆
牟永奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lenztech Co ltd
Original Assignee
Beijing Lenztech Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Lenztech Co ltd filed Critical Beijing Lenztech Co ltd
Priority to CN201810904154.1A priority Critical patent/CN109086938B/zh
Publication of CN109086938A publication Critical patent/CN109086938A/zh
Application granted granted Critical
Publication of CN109086938B publication Critical patent/CN109086938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种产品SKU识别方法、装置、计算机可读存储介质及计算机设备，通过获取待识别图片；基于各产品预测模块对待识别图片中的产品信息进行推理，推理出所述待识别图片中产品的产品SKU。将待识别图片输入各个产品预测模块进行识别，输出待识别图片中产品的产品SKU的概率，从而确定产品的产品SKU。实现自动识别，解决了人工识别产品的规格效率低的问题。

Description

产品SKU识别方法、装置及计算机可读存储介质
技术领域
本申请涉及信息识别技术领域，特别是涉及一种产品SKU识别方法、装置、计算机可读存储介质及计算机设备。
背景技术
随着信息识别技术的不断发展，信息识别技术正在广泛应用到商业社会的各个领域中，随着深度学习技术的成熟，而目前基于卷积神经网络技术无法对相同包装不同尺寸的产品进行区分，在目前技术无法达到业务要求的情况下绝大多数企业采用人工修订的方式，这种方式需要人对着照片结合图片里的产品价格信息，产品尺寸信息，产品左右邻居的信息等等进行综合对比来确定产品是属于哪个规格的产品，这种方式对人的能力要求较高，需要同时记录大量的产品信息。如：用户需要对某商场的中售卖的产品进行检查，确定该商场中售卖的产品有哪些，各个产品的SKU，数量是多少，目前的检查方式是人工进行登记。
因此，产品的SKU识别效率低。
发明内容
基于此，有必要针对产品的规格识别效率低的问题。提供了一种产品SKU识别方法、装置、计算机可读存储介质及计算机设备。
一种产品SKU识别方法，包括：
获取待识别图片；
基于各产品预测模块对待识别图片中的产品信息进行推理，确定所述待识别图片中的各产品的产品SKU；
其中，产品预测模块包括：价签预测模块、近邻预测模块、外形预测模块、摆放位置预测模块和出现频率预测模块。
在其中一个实施中，所述基于各产品预测模块对待识别图片中的产品信息进行推理，确定所述待识别图片中的各产品的产品SKU的步骤包括：
对所述待识别图片进行检测，确定所述待识别图片中的产品信息；
根据所述待识别图片中的产品信息获取与所述产品信息对应的相关信息；
将所述待识别图片中的产品信息以及所述产品信息对应的相关信息输入各产品预测模块，确定所述待识别图片中的各产品的产品SKU。
在其中一个实施中，所述根据所述待识别图片中的产品信息获取与所述产品信息对应的相关信息的步骤包括：
根据所述待识别图片中各产品的价格信息，向数据库获取所述各产品对应的价格区间信息；
根据所述待识别图片中各产品的外形信息，向数据库获取所述各产品的类别数量；
根据所述待识别图片中各产品的相邻产品的外形信息，向数据库获取所述各产品的外形尺寸信息；
根据所述待识别图片中各产品的产品信息，向数据库获取所记录的产品在同类图片中的出现的概率；
根据所述待识别图片中各产品摆放的位置信息，向数据库获取所记录的各产品摆放的位置的概率。
在其中一个实施中，所述将所述待识别图片中的产品信息以及所述产品信息对应的相关信息输入各产品预测模块，确定所述待识别图片中的各产品的产品SKU的步骤包括：
将所述价格信息及所述价格区间信息输入价签预测模块，输出所述待识别图片中的第一各产品的产品SKU的概率；
将所述外形信息、所述类别数量及所述第一各产品的产品SKU的概率输入外形预测模块，输出所述待识别图片中的第二各产品的产品SKU的概率；
将所述相邻产品信息、所述外形尺寸信息及所述第二各产品的产品SKU的概率输入近邻预测模块，输出所述待识别图片中的第三各产品的产品SKU的概率；
将所述产品信息、所述产品在同类图片中的出现的概率及第三各产品的产品SKU输入摆放位置预测模块，输出所述待识别图片中的第四各产品的产品SKU的概率；
将所述摆放的位置信息、所述产品摆放的位置的概率及第四各产品的产品SKU的概率输入出现频率预测模块，输出所述待识别图片中的第五各产品的产品SKU的概率；
根据所述待识别图片中的第五各产品的产品SKU的概率，确定所述待识别图片中的各产品的产品SKU。
在其中一个实施中，在所述输出所述待识别图片中的第五各产品的产品SKU的概率步骤之后，确定所述待识别图片中的各产品的产品SKU的步骤之前，还包括：
在未达到迭代结束条件时，返回将所述待识别图片中的产品信息以及所述产品信息对应的相关信息输入各产品预测模块的步骤，获得第五各产品的产品SKU的概率，直至达到迭代结束条件。
在其中一个实施中，所述迭代结束条件包括：
当前第五各产品的产品SKU的概率与前一次第五各产品的产品SKU的概率相同，达到迭代结束条件；
或，所述迭代结束条件包括：迭代次数达到预设迭代次数。
在其中一个实施中，所述价签预测模块通过判断所述产品对应的价格信息所属的所述价格区间，确定所述产品的产品SKU概率；
所述外形预测模块通过聚类单元进行聚类，确定出最佳簇数，根据所述最佳簇数与所述类别数量，确定所述产品SKU的概率；
所述近邻预测模块通过已确定产品SKU的产品的外形信息及与之相邻的产品的外形信息，结合所述各产品的外形尺寸信息，确定所述产品SKU的概率；
所述摆放位置预测模块根据所述产品信息及所述产品在同类图片中的出现的概率，确定所述产品SKU的概率；
所述出现频率预测模块根据所述产品摆放的位置信息及所述产品摆放的位置的概率，确定所述产品SKU的概率。
一种产品SKU识别装置，包括：
待识别图片获取模块，用于获取待识别图片；
产品SKU确定模块，用于基于各产品预测模块对待识别图片中的产品信息进行推理，确定所述待识别图片中的各产品的产品SKU；
其中，产品预测模块包括：价签预测模块、近邻预测模块、外形预测模块、摆放位置预测模块和出现频率预测模块。
在其中一个实施中，一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述产品SKU识别方法的步骤。
在其中一个实施中，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述产品SKU识别方法的步骤。
上述产品SKU识别方法、装置、计算机可读存储介质及计算机设备，通过获取待识别图片；基于各产品预测模块对待识别图片中的产品信息进行推理，推理出所述待识别图片中产品的产品SKU。将待识别图片输入各个产品预测模块进行识别，输出待识别图片中产品的产品SKU的概率，从而确定产品的产品SKU。实现自动识别，解决了人工识别产品的规格效率低的问题。
附图说明
图1为本申请一个实施例中产品SKU识别方法的流程示意图；
图2为本申请一个实施例中产品SKU识别方法的流程示意图；
图3为本申请一个实施例中产品SKU识别方法的流程示意图；
图4为本申请一个实施例中产品SKU识别方法的流程示意图；
图5为本申请一个实施例中产品SKU识别装置的原理图。
具体实施方式
为使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本申请，并不限定本申请的保护范围。
一种产品SKU识别方法，请参阅图1，包括步骤S210至S230：
步骤S210，获取待识别图片。
其中，待识别图片是被识别的对象，是需要对其识别出待识别图片中产品的产品SKU。该待识别图片可以通过各种可能的方式获得，例如可以是用户采集的图片，保存至存储器中，在识别时，从存储器中获取；也可以是实时获取用户通过图片采集装置采集的图片，如：用户通过图片采集装置采集完图片后，通过数据传输将图片传输至用于产品SKU识别装置进行识别。
步骤S230，基于各产品预测模块对待识别图片中的产品信息进行推理，确定待识别图片中的各产品的产品SKU；其中，产品预测模块包括：价签预测模块、近邻预测模块、外形预测模块、摆放位置预测模块和出现频率预测模块。
其中，产品预测模块的确定方式包括：用户通过对所述待识别图片进行分析，获得图片分析结果，并基于图片分析结果确定产品预测模块，从而在进行预测之前，在服务器中配置用于预测产品的产品SKU的各个模块。如：通过对待识别图片进行识别，识别出包含有产品的价格标签、产品的外形、有多个产品等信息，根据待识别图片识别出的信息，确定可以通过产品的价格标签、产品的外形或近邻关系对待识别图片产品的产品SKU进行预测，调用相关的产品预测模块进行预测，识别待识别图片中产品的产品SKU。
产品预测模块的确定方式还包括：根据配置信息确定产品预测模块。
其中，用户可以根据待识别图片内容，预先对产品SKU识别装置进行配置，如：待识别图片中有产品的价格标签、产品的外形、有多个产品等信息，则将产品SKU识别装置配置产品的价格标签、产品的外形或近邻关系相关的产品预测模块进行预测。
其中，价签预测模块预测所述待识别图片中的产品所属的产品SKU的概率的方式包括：获取待识别图片中的产品对应的价签信息，根据所述价签信息确定所述产品的产品SKU概率信息。所述近邻预测模块预测所述待识别图片中的产品所属的产品SKU的概率的方式包括：获取待识别图片中已识别产品的产品SKU信息，及已识别的产品的形状与已识别的产品旁边的产品的形状信息，确定所述已识别的产品旁边产品的产品SKU的概率。
在一个实施例中，价签预测模块通过判断所述产品对应的价格信息所属的所述价格区间，确定产品的产品SKU概率；外形预测模块通过聚类单元进行聚类，确定出最佳簇数，根据最佳簇数与所述类别数量，确定产品SKU的概率；近邻预测模块通过已确定产品SKU的产品的外形信息及与之相邻的产品的外形信息，结合各产品的外形尺寸信息，确定产品SKU的概率；摆放位置预测模块根据产品信息及产品在同类图片中的出现的概率，确定产品SKU的概率；出现频率预测模块根据产品摆放的位置信息及产品摆放的位置的概率，确定产品SKU的概率。
其中，了提高产品SKU识别的准确性，待识别图片中有越多产品信息，识别出产品的产品SKU越准确。
在一个实施中，请参阅图2，基于各产品预测模块对待识别图片中的产品信息进行推理，确定待识别图片中的各产品的产品SKU的步骤包括步骤S231至步骤S235：
步骤S231，对待识别图片进行检测，确定待识别图片中的产品信息。
其中，通过深度学习进行视觉识别，识别出图片中各个产品及各产品的产品信息。
步骤S233，根据待识别图片中的产品信息获取与产品信息对应的相关信息。
其中，根据各产品的产品信息确定对应的产品，向数据库获取与该产品的有关的信息(与产品信息对应的相关信息)。
在一个实施中，根据待识别图片中各产品的价格信息，向数据库获取各产品对应的价格区间信息；根据待识别图片中各产品的外形信息，向数据库获取各产品的类别数量；根据待识别图片中各产品的相邻产品的外形信息，向数据库获取各产品的外形尺寸信息；根据待识别图片中各产品的产品信息，向数据库获取所记录的产品在同类图片中的出现的概率；根据待识别图片中各产品摆放的位置信息，向数据库获取所记录的各产品摆放的位置的概率。
步骤S235，将待识别图片中的产品信息以及产品信息对应的相关信息输入各产品预测模块，确定待识别图片中的各产品的产品SKU。
其中，每次预测时输入各产品预测模块可以是根据需要选择第一个输入的产品预测模块，也可以按照待识别图片中的产品信息中预测概率最大最精确的模块定义出输入的先后顺序。
在一个实施中，将待识别图片中的产品信息以及产品信息对应的相关信息输入各产品预测模块，确定待识别图片中的各产品的产品SKU的步骤包括：
(1)将价格信息及价格区间信息输入价签预测模块，输出待识别图片中的第一各产品的产品SKU的概率。
其中，价格信息是指从待识别图片中通过深度学习进行视觉检测出的产品的价格信息，识别待识别图片中的价格标签以及价格标签对应的产品，从而获得产品的价格信息；价格区间信息是根据识别出的产品，向数据库获取该产品对应的产品价格区间信息。
(2)将外形信息、类别数量及第一各产品的产品SKU的概率输入外形预测模块，输出待识别图片中的第二各产品的产品SKU的概率。
其中，外形信息是指从待识别图片中通过深度学习进行视觉检测出的产品的外形信息，识别待识别图片中产品的长、高、宽及形状等外形信息，从而获得产品的外形信息；类别数量是根据识别出的各种产品，向数据库获取该批次的待识别图片中的类别数量。
(3)将相邻产品信息、外形尺寸信息及第二各产品的产品SKU的概率输入近邻预测模块，输出待识别图片中的第三各产品的产品SKU的概率。
其中，相邻产品信息是指从待识别图片中通过深度学习进行视觉检测出的产品的相邻产品信息，识别待识别图片中与已知产品SKU的产品相邻的产品信息，从而获得相邻产品信息；外形尺寸信息是根据识别出的产品，向数据库获取该产品对应的外形尺寸信息。
(4)将产品信息、产品在同类图片中的出现的概率及第三各产品的产品SKU输入摆放位置预测模块，输出待识别图片中的第四各产品的产品SKU的概率。
其中，产品信息是指从待识别图片中通过深度学习进行视觉检测出的产品信息，识别待识别图片中的产品信息，从而获得产品信息；产品在同类图片中的出现的概率是根据识别出的产品，向数据库获取该产品在同类图片中的出现的概率。
(5)将摆放的位置信息、产品摆放的位置的概率及第四各产品的产品SKU的概率输入出现频率预测模块，输出待识别图片中的第五各产品的产品SKU的概率。
其中，摆放的位置信息是指从待识别图片中通过深度学习进行视觉检测出的产品信息，识别待识别图片中的该产品摆放的位置信息，从而获得摆放的位置信息；产品摆放的位置的概率是根据识别出的产品，向数据库获取该产品摆放的位置的概率。
(6)根据待识别图片中的第五各产品的产品SKU的概率，确定待识别图片中的各产品的产品SKU。
其中，产品SKU的概率为待识别图片通过各产品预测模块预测结束后的确定的最终产品SKU概率。产品在达到迭代结束条件后，确定该产品的产品SKU。
在一个实施例中，在输出待识别图片中的第五各产品的产品SKU的概率步骤之后，确定待识别图片中的各产品的产品SKU的步骤之前，还包括：
在未达到迭代结束条件时，返回将待识别图片中的产品信息以及产品信息对应的相关信息输入各产品预测模块的步骤，获得第五各产品的产品SKU的概率，直至达到迭代结束条件。
一个实施中，当前第五各产品的产品SKU的概率与前一次第五各产品的产品SKU的概率相同，达到迭代结束条件。其中，发生二次迭代时，当前第五各产品的产品SKU的概率与前一次第五各产品的产品SKU的概率相同，则可以确定推测结果完成，可以输出推测结果。一个实施中，所述迭代结束条件还包括：迭代次数达到预设迭代次数。当发生迭代次数达到预设次数，最后一次推测概率为推测结果，输出推测结果。
其中，可以是将待识别图片依次输入各产品预测模块(其中，依次可以指按照预设规律设置先后顺序，也可以是没有规律随意指定先后顺序)，依次获取各产品预测模块预测的概率，以最后输入待识别图片的产品预测模块输出的为最终产品SKU概率信息，且在每次待识别图片当前输入的产品预测模块预测输出结果时，获取在当前输入的产品预测模块之前输入的产品预测模块预测出的结果，将两次结果进行比较，如出现同一个产品所属的规格概率不同时，取概率最高的一次为该产品输出的产品SKU概率(如：待识别图片当前输入的产品预测模块预测的结果为：A产品为a的概率是70％，B产品为b的概率是60％，C产品为c的概率是80％，在当前输入的产品预测模块之前输入的产品预测模块输出的预测结果为：A产品为a的概率是65％，B产品为b的概率是70％，C产品为c的概率是80％，则：待识别图片当前输入的产品预测模块预测输出结果为：A产品为a的概率是70％，B产品为b的概率是70％，C产品为c的概率是80％)；当出现同一个产品所属的规格发生改变时，该产品输出的产品SKU概率信息为当前输入的产品预测模块预测出的结果。
在待识别图片当前输入的产品预测模块进行预测时，还可以获取在这之前的产品预测模块预测输出的结果，用于结合当前输入的产品预测模块在预测时所获取的待识别图片的信息，确定得出当前输入的产品预测模块中各自的产品SKU概率。
上述产品SKU识别方法，通过获取待识别图片；基于各产品预测模块对待识别图片中的产品信息进行推理，推理出所述待识别图片中产品的产品SKU。将待识别图片输入各个产品预测模块进行识别，输出待识别图片中产品的产品SKU的概率，从而确定产品的产品SKU。实现自动识别，解决了人工识别产品的规格效率低的问题。
一个实施中，请参阅图3，一种产品SKU识别方法，在进行产品SKU识别时，所需的数据库中存储有产品的品牌信息和系列信息、产品的外形尺寸信息(长、宽、高)、产品的价格区间信息、相同外形尺寸的产品相似对关系、产品的出现频率信息、产品摆放特征的分布概率信息等等。用户通过配置库在推理引擎(产品SKU识别装置)中配置预测所需的各产品预测模块，(其中，对产品SKU识别装置进行配置，例如：待识别图片中有产品A1、A2、A3、B1、B2产品，且A2和B1产品对应有价格标签，A1、A2、A3是同规格同产品，B1、B2为同规格同产品，A1、A2、A3放在货架的第一层，B1、B2放在货架的第二层。根据待识别图片的内容信息及配置库中各产品预测模块，将产品SKU识别装置配置价签预测模块、近邻预测模块、外形预测模块、摆放位置特征和出现频率的预测模块的模块进行预测(需要说明的是，也可以通过将待识别图片输入产品SKU识别装置自动识别出待识别图片的内容信息，根据识别的内容信息自动调用配置库中的产品预测模块))。
推理引擎(产品SKU识别装置)获取输入的待识别图片，调用配置的各个预测模块(各个产品预测模块包括：价签预测模块、近邻预测模块、外形预测模块、摆放位置预测模块和出现频率预测模块)，对输入的待识别图片中的产品进行产品SKU预测，输出产品SKU预测结果。
请参阅图4，具体地：将待识别图片输入产品SKU识别装置中，通过配置的各个产品预测模块进行预测，将待识别图片输入，获取待识别图片中的产品信息，然后将待识别图片中的产品信息通过价签预测模块，获得第一各产品的产品SKU的概率，将第一各产品的产品SKU的概率及待识别图片中的产品信息通过外形预测模块，输出待识别图片中的第二各产品的产品SKU的概率将第二各产品的产品SKU的概率及待识别图片中的产品信息通过输入近邻预测模块，输出待识别图片中的第三各产品的产品SKU的概率；将第三各产品的产品SKU及待识别图片中的产品信息通过输入摆放位置预测模块，输出待识别图片中的第四各产品的产品SKU的概率；将第四各产品的产品SKU的概率及待识别图片中的产品信息通过输入出现频率预测模块，输出待识别图片中的第五各产品的产品SKU的概率，产品SKU识别装置判断当前迭代次数是否超过最大迭代次数，为否时，判断当前第五各产品的产品SKU的概率与前一次第五各产品的产品SKU的概率相同，不相同则继续循环预测，直至当前迭代次数是否超过最大迭代次数或当前第五各产品的产品SKU的概率与前一次第五各产品的产品SKU的概率相同时，停止预测，输出产品SKU的概率结果。根据输出产品SKU的概率结果确定产品的产品SKU。
上述产品SKU识别方法，通过获取待识别图片；基于各产品预测模块对待识别图片中的产品信息进行推理，推理出所述待识别图片中产品的产品SKU。将待识别图片输入各个产品预测模块进行识别，输出待识别图片中产品的产品SKU的概率，从而确定产品的产品SKU。实现自动识别，解决了人工识别产品的规格效率低的问题。
一种产品SKU识别装置，请参阅图5，包括：
待识别图片获取模块310，用于获取待识别产品图片；
其中，待识别图片是被识别的对象，是需要对其识别出待识别图片中产品的产品SKU。该待识别图片可以通过各种可能的方式获得，例如可以是用户采集的图片，保存至存储器中，在识别时，从存储器中获取；也可以是实时获取用户通过图片采集装置采集的图片，如：用户通过图片采集装置采集完图片后，通过数据传输将图片传输至用于产品SKU识别装置进行识别。
产品SKU确定模块330，用于基于各产品预测模块对待识别图片中的产品信息进行推理，确定所述待识别图片中的各产品的产品SKU，其中，产品预测模块包括：价签预测模块、近邻预测模块、外形预测模块、摆放位置预测模块和出现频率预测模块。
其中，产品预测模块的确定方式包括：通过对所述待识别图片进行分析，获得图片分析结果，并基于图片分析结果确定产品预测模块。如：通过对待识别图片进行识别，识别出包含有产品的价格标签、产品的外形、有多个产品等信息，根据待识别图片识别出的信息，确定可以通过产品的价格标签、产品的外形或近邻关系对待识别图片产品的产品SKU进行预测，调用相关的产品预测模块进行预测，识别所述待识别图片中产品的产品SKU。
产品预测模块的确定方式还包括：根据配置信息确定产品预测模块。
其中，用户可以根据待识别图片内容，预先对产品SKU识别装置进行配置，如：待识别图片中有产品的价格标签、产品的外形、有多个产品等信息，则将产品SKU识别装置配置产品的价格标签、产品的外形或近邻关系相关的产品预测模块进行预测。
上述产品SKU识别装置，待识别图片获取模块310获取待识别图片；产品SKU确定模块330基于各产品预测模块对待识别图片中的产品信息进行推理，推理出所述待识别图片中产品的产品SKU。将待识别图片输入各个产品预测模块进行识别，输出待识别图片中产品的产品SKU的概率，从而确定产品的产品SKU。实现自动识别，解决了人工识别产品的规格效率低的问题。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述产品SKU识别方法的步骤。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述产品SKU识别方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种产品SKU识别方法，其特征在于，包括：
获取待识别图片；
对所述待识别图片进行检测，确定所述待识别图片中的各产品的产品信息、价格信息、外形信息、相邻产品的外形信息、摆放的位置信息；
根据所述待识别图片中各产品的价格信息，向数据库获取所述各产品对应的价格区间信息；
根据所述待识别图片中各产品的外形信息，向数据库获取所述各产品的类别数量；
根据所述待识别图片中各产品的相邻产品的外形信息，向数据库获取所述各产品的外形尺寸信息；
根据所述待识别图片中各产品的产品信息，向数据库获取所记录的产品在同类图片中的出现的概率；
根据所述待识别图片中各产品摆放的位置信息，向数据库获取所记录的各产品摆放的位置的概率；
将所述价格信息及所述价格区间信息输入价签预测模块，输出所述待识别图片中的第一各产品的产品SKU的概率；
将所述外形信息、所述类别数量及所述第一各产品的产品SKU的概率输入外形预测模块，输出所述待识别图片中的第二各产品的产品SKU的概率；
将所述相邻产品的外形信息、所述外形尺寸信息及所述第二各产品的产品SKU的概率输入近邻预测模块，输出所述待识别图片中的第三各产品的产品SKU的概率；
将所述产品信息、所述产品在同类图片中的出现的概率及第三各产品的产品SKU输入摆放位置预测模块，输出所述待识别图片中的第四各产品的产品SKU的概率；
将所述摆放的位置信息、所述产品摆放的位置的概率及第四各产品的产品SKU的概率输入出现频率预测模块，输出所述待识别图片中的第五各产品的产品SKU的概率；
根据所述待识别图片中的第五各产品的产品SKU的概率，确定所述待识别图片中的各产品的产品SKU。
2.根据权利要求1所述的产品SKU识别方法，其特征在于，在所述输出所述待识别图片中的第五各产品的产品SKU的概率步骤之后，确定所述待识别图片中的各产品的产品SKU的步骤之前，还包括：
在未达到迭代结束条件时，返回将所述待识别图片中的产品信息以及所述产品信息对应的相关信息输入各产品预测模块的步骤，获得第五各产品的产品SKU的概率，直至达到迭代结束条件。
3.根据权利要求2所述的产品SKU识别方法，其特征在于，所述迭代结束条件包括：
当前第五各产品的产品SKU的概率与前一次第五各产品的产品SKU的概率相同，达到迭代结束条件；
或，所述迭代结束条件包括：迭代次数达到预设迭代次数。
4.根据权利要求1所述的产品SKU识别方法，其特征在于，所述价签预测模块通过判断所述产品对应的价格信息所属的所述价格区间，确定所述产品的产品SKU概率；
所述外形预测模块通过聚类单元进行聚类，确定出最佳簇数，根据所述最佳簇数与所述类别数量，确定所述产品SKU的概率；
所述近邻预测模块通过已确定产品SKU的产品的外形信息及与之相邻的产品的外形信息，结合所述各产品的外形尺寸信息，确定所述产品SKU的概率；
所述摆放位置预测模块根据所述产品信息及所述产品在同类图片中的出现的概率，确定所述产品SKU的概率；
所述出现频率预测模块根据所述产品摆放的位置信息及所述产品摆放的位置的概率，确定所述产品SKU的概率。
5.根据权利要求1所述的产品SKU识别方法，其特征在于，所述对所述待识别图片进行检测，确定所述待识别图片中的各产品的产品信息、价格信息、外形信息、相邻产品的外形信息、摆放的位置信息的步骤，包括：
通过深度学习对所述待识别图片进行视觉识别，确定所述待识别图片中的各产品的产品信息、价格信息、外形信息、相邻产品的外形信息、摆放的位置信息。
6.根据权利要求1所述的产品SKU识别方法，其特征在于，所述获取待识别图片的步骤之前，包括：
根据待识别图片的内容信息及配置库中的各产品预测模块，预先配置价签预测模块、近邻预测模块、外形预测模块、摆放位置特征和出现频率的预测模块。
7.根据权利要求1所述的产品SKU识别方法，其特征在于，所述获取待识别图片的步骤，包括：
实时通过数据传输获取图片采集装置采集的图片作为待识别图片。
8.一种产品SKU识别装置，其特征在于，包括：
待识别图片获取模块，用于获取待识别图片；
产品SKU确定模块，用于对所述待识别图片进行检测，确定所述待识别图片中的各产品的产品信息、价格信息、外形信息、相邻产品的外形信息、摆放的位置信息；根据所述待识别图片中各产品的价格信息，向数据库获取所述各产品对应的价格区间信息；根据所述待识别图片中各产品的外形信息，向数据库获取所述各产品的类别数量；根据所述待识别图片中各产品的相邻产品的外形信息，向数据库获取所述各产品的外形尺寸信息；根据所述待识别图片中各产品的产品信息，向数据库获取所记录的产品在同类图片中的出现的概率；根据所述待识别图片中各产品摆放的位置信息，向数据库获取所记录的各产品摆放的位置的概率；将所述价格信息及所述价格区间信息输入价签预测模块，输出所述待识别图片中的第一各产品的产品SKU的概率；将所述外形信息、所述类别数量及所述第一各产品的产品SKU的概率输入外形预测模块，输出所述待识别图片中的第二各产品的产品SKU的概率；将所述相邻产品的外形信息、所述外形尺寸信息及所述第二各产品的产品SKU的概率输入近邻预测模块，输出所述待识别图片中的第三各产品的产品SKU的概率；将所述产品信息、所述产品在同类图片中的出现的概率及第三各产品的产品SKU输入摆放位置预测模块，输出所述待识别图片中的第四各产品的产品SKU的概率；将所述摆放的位置信息、所述产品摆放的位置的概率及第四各产品的产品SKU的概率输入出现频率预测模块，输出所述待识别图片中的第五各产品的产品SKU的概率；根据所述待识别图片中的第五各产品的产品SKU的概率，确定所述待识别图片中的各产品的产品SKU。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述产品SKU识别方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述产品SKU识别方法的步骤。
CN201810904154.1A 2018-08-09 2018-08-09 产品sku识别方法、装置及计算机可读存储介质 Active CN109086938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810904154.1A CN109086938B (zh) 2018-08-09 2018-08-09 产品sku识别方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810904154.1A CN109086938B (zh) 2018-08-09 2018-08-09 产品sku识别方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109086938A CN109086938A (zh) 2018-12-25
CN109086938B true CN109086938B (zh) 2020-10-30

Family

ID=64834470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810904154.1A Active CN109086938B (zh) 2018-08-09 2018-08-09 产品sku识别方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109086938B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738123B (zh) * 2019-09-19 2020-10-23 创新奇智(北京)科技有限公司 识别密集陈列商品的方法及其装置
CN112530086A (zh) * 2020-12-16 2021-03-19 合肥美的智能科技有限公司 自动售货柜及其商品sku计算方法、系统以及远程服务器
CN114220006A (zh) * 2021-12-01 2022-03-22 广州市玄武无线科技股份有限公司 一种基于商品指纹的商品识别方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104112216A (zh) * 2013-04-22 2014-10-22 学思行数位行销股份有限公司 存货管理与行销的图像辨识方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930264B (zh) * 2012-09-29 2015-10-28 李炳华 基于图像识别技术的商品陈列信息采集分析系统及方法
JP5753215B2 (ja) * 2013-05-01 2015-07-22 學思行數位行銷股▲分▼有限公司 在庫管理およびマーケティングのための画像認識システム
US9830631B1 (en) * 2014-05-02 2017-11-28 A9.Com, Inc. Image recognition result culling
US9483704B2 (en) * 2014-12-10 2016-11-01 Ricoh Co., Ltd. Realogram scene analysis of images: superpixel scene analysis
US9330474B1 (en) * 2014-12-23 2016-05-03 Ricoh Co., Ltd. Distinguishing between stock keeping units using a physical dimension of a region depicted in an image
CN107045641B (zh) * 2017-04-26 2020-07-28 广州图匠数据科技有限公司 一种基于图像识别技术的货架识别方法
CN107292248B (zh) * 2017-06-05 2023-04-07 广州诚予国际市场信息研究有限公司 一种基于图像识别技术的商品管理方法及系统
CN107463945B (zh) * 2017-07-12 2020-07-10 浙江大学 一种基于深度匹配网络的商品种类识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104112216A (zh) * 2013-04-22 2014-10-22 学思行数位行销股份有限公司 存货管理与行销的图像辨识方法

Also Published As

Publication number Publication date
CN109086938A (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
CN110198310B (zh) 一种网络行为反作弊方法、装置及存储介质
CN111401609B (zh) 车流量时间序列的预测方法及预测装置
CN110275958B (zh) 网站信息识别方法、装置和电子设备
CN110348580B (zh) 构建gbdt模型的方法、装置及预测方法、装置
CN109086938B (zh) 产品sku识别方法、装置及计算机可读存储介质
CN109543925B (zh) 基于机器学习的风险预测方法、装置、计算机设备和存储介质
CN109582876B (zh) 旅游行业用户画像构造方法、装置和计算机设备
CN110033018B (zh) 图形相似度判断方法、装置及计算机可读存储介质
CN110751533B (zh) 产品画像生成方法、装置、计算机设备和存储介质
CN111931809A (zh) 数据的处理方法、装置、存储介质及电子设备
CN112765003B (zh) 一种基于app行为日志的风险预测方法
CN109446525B (zh) 文本处理方法、装置、计算机可读存储介质和计算机设备
CN114860941A (zh) 一种基于数据大脑的行业数据治理方法及系统
CN117196322B (zh) 智能风控方法、装置、计算机设备及存储介质
CN111080697A (zh) 检测目标对象方向的方法、装置、计算机设备和存储介质
CN113947076A (zh) 保单数据的检测方法、装置、计算机设备及存储介质
CN111401438B (zh) 图像分拣方法、装置及系统
CN111191706A (zh) 图片识别的方法、装置、设备及存储介质
CN110634018A (zh) 一种流失用户的特征刻画方法、识别方法及相关装置
CN111831841B (zh) 一种信息检索方法、装置、电子设备及存储介质
CN114756671A (zh) 文章推荐方法、装置、计算机设备及存储介质
CN114385993A (zh) 身份检测方法、设备和可读介质
CN109783877B (zh) 时间序列模型建立方法、装置、计算机设备和存储介质
CN113296990A (zh) 时序数据的异常识别方法及装置
CN112328746A (zh) 菜品标签入库方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant