CN110992140A - 一种用于识别模型的匹配方法和系统 - Google Patents
一种用于识别模型的匹配方法和系统 Download PDFInfo
- Publication number
- CN110992140A CN110992140A CN201911194612.8A CN201911194612A CN110992140A CN 110992140 A CN110992140 A CN 110992140A CN 201911194612 A CN201911194612 A CN 201911194612A CN 110992140 A CN110992140 A CN 110992140A
- Authority
- CN
- China
- Prior art keywords
- information
- commodity
- local
- input information
- candidate
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 description 43
- 235000010724 Wisteria floribunda Nutrition 0.000 description 28
- 230000008569 process Effects 0.000 description 14
- 238000005303 weighing Methods 0.000 description 12
- 235000006596 Salacca edulis Nutrition 0.000 description 9
- 244000208345 Salacca edulis Species 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 235000003953 Solanum lycopersicum var cerasiforme Nutrition 0.000 description 6
- 240000003040 Solanum lycopersicum var. cerasiforme Species 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 235000013399 edible fruits Nutrition 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 244000144730 Amygdalus persica Species 0.000 description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 3
- 235000006040 Prunus persica var persica Nutrition 0.000 description 3
- 240000003768 Solanum lycopersicum Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 240000007124 Brassica oleracea Species 0.000 description 1
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 1
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 1
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 1
- 241000207199 Citrus Species 0.000 description 1
- 240000008436 Ipomoea aquatica Species 0.000 description 1
- 235000019004 Ipomoea aquatica Nutrition 0.000 description 1
- 244000273256 Phragmites communis Species 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种用于识别模型的匹配方法和系统。所述方法包括:获取第一输入信息;基于所述第一输入信息,获得与所述第一输入信息对应的商品通用信息;当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获得一个或以上候选的商品本地信息,所述商品本地信息与所述商品通用信息匹配;在具有两个及以上所述候选的商品本地信息时,获取第二输入信息,确定一个所述商品本地信息,与所述商品通用信息对应;以及在只有一个所述候选的商品本地信息时,将所述一个所述候选的商品本地信息作为与所述第一输入信息对应的所述商品本地信息。本申请可以适用于多个门店,实现快速识别商品,提升顾客的购物体验。
Description
技术领域
本申请涉及商品识别领域,特别涉及一种用于识别模型的匹配方法和系统。
背景技术
在超市中购买一些商品(比如蔬菜水果)的过程,可能包括:消费者挑选需要购买的商品,然后由工作人员进行称重处理,手工输入商品种类或数值代码(商品数值代码常常以特定位数的字符串表示,例如,“空心菜”对应“1101”、“卷心菜”对应“1102”等),然后打上条码供后续结算,或者直接结算。也有一些情况下,消费者在自助设备中自行称重,手工输入商品的种类并结算。由于商品种类往往较多,单纯人工输入商品种类或数值代码的可能使用时间比较长,影响消费者体验和超市经营效率,并且可能需要较高的人员培训成本。进一步地,同一件商品在不同超市的商品数值代码可能不一样,就需要消费者识记同一件商品在不同超市的商品数值代码,这样会影响消费者购物体验。因此,需要提供一种商品识别方法以快速识别不同超市的商品。
发明内容
本申请的目的在于提供一种用于识别模型的匹配方法和系统,以实现快速识别商品,提升顾客的购物体验。
本申请实施例之一提供一种用于识别模型的匹配方法。所述方法包括:获取第一输入信息;基于所述第一输入信息,获得与所述第一输入信息对应的商品通用信息;当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获得一个或以上候选的商品本地信息,所述商品本地信息与所述商品通用信息匹配;在具有两个及以上所述候选的商品本地信息时,获取第二输入信息,确定一个所述商品本地信息,与所述商品通用信息对应;以及在只有一个所述候选的商品本地信息时,将所述一个所述候选的商品本地信息作为与所述第一输入信息对应的所述商品本地信息。
本申请实施例之一提供一种用于识别模型的匹配系统,所述系统包括获取模块和确定模块。所述获取模块用于获取第一输入信息;基于所述第一输入信息,获得与所述第一输入信息对应的商品通用信息;以及当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获得一个或以上候选的商品本地信息,所述商品本地信息与所述商品通用信息匹配。所述确定模块用于在具有两个及以上所述候选的商品本地信息时,获取第二输入信息,确定一个所述商品本地信息,与所述商品通用信息对应;以及在只有一个所述候选的商品本地信息时,将所述一个所述候选的商品本地信息作为与所述第一输入信息对应的所述商品本地信息。
本申请实施例之一提供一种用于识别模型的匹配装置,包括处理器,所述处理器用于执行上述方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行上述方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的用于识别模型的匹配方法的应用场景示意图;
图2是根据本申请一些实施例所示的用于识别模型的匹配方法的示例性流程图;
图3是根据本申请一些实施例所示的确定第一输入信息对应的商品本地信息的示例性流程图;
图4是根据本申请一些实施例所示的获得一个或以上候选的商品本地信息的示例性流程图;以及
图5是根据本申请一些实施例所示的用于识别模型的匹配系统的模块图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
在一个方面,本发明涉及用于识别模型的匹配方法和系统。对于现有商场购物,顾客挑选好商品后,需要顾客或店员人工手动输入商品代码进行称重打码处理。且同一件商品在不同门店对应的商品代码可能不一样,因此顾客需要识记同一件商品在不同门店的商品代码。这样不仅导致称重打码效率低,而且使顾客购物体验感差。因此本申请提出一种用于识别模型的匹配方法和系统,利用统一的识别模型匹配得到不同门店的商品信息。其中,统一的识别模型可以通过图像识别、视频识别、二维码扫码识别等方式识别商品得到识别模型的商品通用信息。再通过匹配方法和/或系统将识别模型得到的商品通用信息与每个门店的商品信息进行匹配,就可以得到对应每个门店的每件商品的商品本地信息。本申请不仅可以适用于多个门店,而且可以提高商品称重打码效率,提高顾客购物体验感。
图1是根据本申请一些实施例所示的用于识别模型的匹配方法的应用场景示意图。如图1所示,商品信息获取系统100可以用于商场或超市的商品称量及价格结算。商品信息获取系统100可以包括信息获取装置110、网络120、终端130、处理引擎140以及存储设备150。
信息获取装置110可以包括摄像装置及传感器等获取装置,同时包括可支持无线射频识别技术(RFID)及产品电子标签(EPC)等相关识别技术的数据获取。所述摄像装置可以包括摄像机、录像机、红外摄像头或其它可以获取图像或视频数据的设备。所述传感器可包括红外传感器、超声波传感器、距离传感器、光线传感器、重力传感器、加速传感器及方向传感器等中的一种或多种,或其任意组合。
将信息获取装置110获取的商品图像信息及其他相关的商品信息传输至终端130,终端130可以基于相关信息对商品进行信息识别。终端130还可以用于获取人工输入的信息,对商品信息进行显示及其他处理。在一些实施例中,信息获取装置110可以与终端130结合成一体,也可以是分开单独存在,本申请不做限制。
终端130可以包括称重设备131及称重辅助设备132,或其任意组合。终端130可以是目前商场或超市中用来称重结算的工具,例如,电子秤或机电结合秤等。称重设备131可以包括秤盘、秤体等称重系统。所述称重辅助设备132可以包括传力转换系统(如杠杆传力系统、传感器)、示值系统(如刻度盘、电子显示仪)以及用于输入商品信息的按键。在一些实施例中,终端130还可以包括用于与连接到所述产品的无线电收发器,以进行无接触数据交换的RFID通信。
在一些实施例中,称重辅助设备132还可以包括或连接打码设备,将获取到商品的重量以及输入的商品单价信息发送给打码设备,打印价格标签、条形码、二维码等标识。在本说明书中,终端130还可以包括直接进行结算的功能,营业员可以在称重后进行结算收银,或者由顾客自行称重和结算付款。
处理引擎140可以经由网络120从终端130获取用户指令。网络120可以是和/或包括公共网络(例如,因特网)、专用网络(例如,局部区域网络(LAN)、广域网(WAN))等),有线网络(例如,以太网络)、无线网络(例如802.11网络、Wi-Fi网络等)、蜂窝网络(例如长期演进(LTE)网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。仅作为示例,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙TM网络、紫蜂TM网络、近场通信(NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括诸如基站和/或互联网交换点之类的有线和/或无线网络接入点,通过它们可以将系统100的一个或以上组件连接到网络120以交换数据和/或信息。在一些实施例中,可以使用线缆、无线网络(蓝牙、WLAN、Wi-Fi等)、移动网络(3G、4G或5G信号)、或其他连接方式(VPN、共享网络、NFC等)进行连接。
在一些实施例中,处理引擎140可以在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备150可以存储从终端130和/或处理引擎140获取的数据。在一些实施例中,存储设备150可以存储处理引擎140可以执行或用于执行本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备150可包括大容量存储器、可移动存储器、易失性读写内存、只读内存(ROM)等或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪光驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写内存可以包括随机访问内存(RAM)。示例性RAM可以包括动态RAM(DRAM)、双倍数据速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容RAM(Z-RAM)。示例性ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM),以及数字通用磁盘ROM等。在一些实施例中,存储设备150可以在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备150可以连接到网络120以与系统100的一个或以上其他组件通信(例如,处理引擎140、终端130等)。系统100的一个或以上组件可以经由网络120访问存储在存储设备150中的数据或指令。在一些实施例中,存储设备150可以直接连接至系统100的一个或以上其他部件或与之通信(例如,处理引擎140、终端130等)。在一些实施例中,存储设备150可以是处理引擎140的一部分。
图2是根据本申请一些实施例所示的用于识别模型的匹配方法的示例性流程图。在一些实施例中,流程200可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。图2所示的流程200中的一个或多个操作可以通过图1所示的处理引擎140实现。例如,流程200可以以指令的形式存储在存储设备150中,并由处理引擎140执行调用和/或执行。
步骤210,获取第一输入信息。步骤210可以由获取模块510执行。
在一些实施例中,所述第一输入信息可以包括商品图像、商品视频、商品条形码、商品RFID芯片、商品电子标签(EPC)等商品信息。商品信息还可以包括商品的编码、名称、所属种类、单价、计量单位、折扣、优惠等信息。在一些实施例中,获取第一输入信息的方式可以包括通过信息获取装置(例如,摄像装置、传感器、条形码阅读器等)获取。例如,摄像机通过对商品进行拍照或摄像可以获取第一输入信息(商品图像、商品视频)。又例如,条形码阅读器通过识别商品条形码可以获取第一输入信息(商品条形码、商品编码、商品名称等商品信息)。
步骤220,基于所述第一输入信息,获得与所述第一输入信息对应的商品通用信息。步骤220可以由获取模块510执行。
在一些实施例中,所述商品通用信息可以包括商品在识别模型中的标识信息(例如,商品通用名称、商品商标及商品品牌等)。在一些实施例中,识别模型可以包括图像识别模型、条形码阅读器模型等。例如,图像识别模型包括SSD(目标检测算法,全称为SingleShot MultiBox Detector)、RCNN(基于区域的卷积神经网络,全称Regions withConvolutional Neural Network Feature)、YOLO(一种目标检测算法,全称You Only LookOnce)、SPP-Net(空间金字塔池化网络,全称Spatial Pyramid Pooling Network)、Fast-RCNN(快速RCNN)、FasterRCNN(更快RCNN)等一种或多种的任意组合。又例如,图像识别模型可以包括基于神经网络的预先训练好的图像识别模型,可以利用含有特征信息(如商品颜色、商品体积、商品形状等)并带有相应标签的图片对该图像识别模型进行训练,并使用训练好的图像识别模型识别原始图像数据中与商品信息相关的图像数据。
在一些实施例中,所述识别方法可以包括图像识别模型识别、条形码扫码识别、射频芯片识别或其他传感器装置识别等。例如,所述图像识别模型识别的过程可以包括:首先可以通过图像采集装置进行图像数据的获取。图像采集装置获取到的数据形式主要为图像数据或视频数据。其中,对于视频数据,还需要进一步进行视频帧提取,截取若干视频帧数据,作为图像识别的数据支持。进一步地,可以基于获取到的图像数据进行图像特征信息提取。图像识别模型可以基于已提取的图像特征信息进行综合判别,可以识别出该图像对应的商品通用信息。具体的,通过摄像头可以获取到某种苹果的图像或视频数据,处理引擎140(例如,获取模块510)可以根据直接获得的苹果图像或者视频帧中截取的图像数据进行图像特征信息提取。图像识别模型可以基于已获得的图像特征信息,进行图像识别。进而,图像识别模型可以判别出该种苹果的商品通用信息为“红富士”。此外,若该苹果附带包装标识,则还可以通过扫描仪扫描条形码或二维码信息,通过扫码识别的方式直接获得其商品通用信息为“红富士”。而对于某种苹果的外包装中具有可供射频芯片识别的装置,则可以通过射频芯片识别直接获得该种苹果的商品通用信息为“红富士”。
步骤230,判断所述第一输入信息对应的商品通用信息是否满足第一预设条件。步骤230可以由获取模块510执行。
在一些实施例中,所述第一预设条件可以包括第一输入信息对应的商品通用信息可以与一个或以上候选的商品本地信息相匹配。在一些实施例中,所述商品本地信息可以包括该商品在所属门店系统中对应的门店特征信息(例如,商品在该门店的专用名称、编码信息等)。例如,某种苹果对应的商品通用信息为“红富士”,进一步判断该商品通用信息“红富士”可以与“红苹果”、“红富士”及“蛇果”等其中的一个或以上商品本地信息相匹配,则可以视为该商品通用信息满足第一预设条件。在一些实施例中,所述候选的商品本地信息可以包括经过识别和/或匹配处理,得到的一个或多个商品本地信息。例如,商品通用信息如桔,经过匹配处理可以得到候选的商品本地信息为桔子、橙子、芦柑。
步骤240,获得一个或以上候选的商品本地信息。步骤240可以由获取模块510执行。
在一些实施例中,判断出第一输入信息对应的商品通用信息可以与一个或以上候选的商品本地信息相匹配时,可以获得一个或以上候选的商品本地信息。例如,上述某种苹果对应的商品通用信息为“红富士”,可以与“红苹果”、“红富士”及“蛇果”等其中的一个或以上商品本地信息相匹配,则“红苹果”、“红富士”及“蛇果”等其中的一个或以上商品本地信息可以作为所述一个或以上候选的商品本地信息。
本申请实施例中,同一件商品在不同门店的候选的商品本地信息可以不一样。例如,某种苹果对应的商品通用信息为“红富士”。在A门店,处理引擎140(例如,获取模块510)可以获得一个候选的商品本地信息(例如,“国光苹果”)。在B门店,处理引擎140(例如,获取模块510)可以获得两个候选的商品本地信息(例如,“红富士”和“蛇果”)。在C门店,处理引擎140(例如,获取模块510)可以获得三个候选的商品本地信息(例如,“红富士”、“嘎啦苹果”和“蛇果”)。
步骤250,确定一个商品本地信息与所述商品通用信息对应。步骤250可以由确定模块520执行。
在一些实施例中,判断出第一输入信息对应的商品通用信息可以与一个候选的商品本地信息相匹配时,该一个候选的商品本地信息可以作为与商品通用信息对应的商品本地信息。例如,某种水果对应的商品通用信息为“红富士”,其匹配出的商品本地信息只有“红富士”时,则“红富士”作为所述商品通用信息对应的商品本地信息。又例如,某种苹果对应的商品通用信息为“红富士”。在A门店,处理引擎140(例如,获取模块510)可以获得一个候选的商品本地信息(例如,“国光苹果”),则处理引擎140(例如,获取模块510)可以确定该候选的商品本地信息(例如,“国光苹果”)为所述商品通用信息(“红富士”)对应的A门店的商品本地信息。
在一些实施例中,判断出第一输入信息对应的商品通用信息可以与两个及以上候选的商品本地信息相匹配时,还需获取更多参考信息进一步匹配。在一些实施例中,可以进一步获取第二输入信息来确定,第二输入信息可以从外部接收得到。在一些实施例中,第二输入信息可以是两个及以上候选的商品本地信息中的一个商品本地信息对应的商品信息。例如,第二输入信息可以包括选择项、商品对应的快捷键或商品对应的组合键等。所述第二输入信息对应的商品本地信息可以作为与该商品的商品通用信息对应的商品本地信息。例如,某种水果对应的商品通用信息为“红富士”,其匹配出的两个及以上候选的商品本地信息包括:“红苹果”、“红富士”、“蛇果”、“糖心苹果”等,处理引擎140(例如,获取模块510)获取与商品通用信息“红富士”对应的商品本地信息为“糖心苹果”(第二输入信息),则可以确定“糖心苹果”为所述商品通用信息对应的商品本地信息。又例如,某种苹果对应的商品通用信息为“红富士”。在B门店,处理引擎140(例如,获取模块510)可以获取与商品通用信息“红富士”对应的商品本地信息为“蛇果”(第二输入信息),则可以确定“蛇果”为所述商品通用信息“红富士”对应的B门店的商品本地信息。又例如,在C门店,处理引擎140(例如,获取模块510)可以获取与商品通用信息“红富士”对应的商品本地信息为“嘎啦苹果”(第二输入信息),则可以确定“嘎啦苹果”为所述商品通用信息“红富士”对应的C门店的商品本地信息。因此,本申请可以适用于多个门店。
在一些实施例中,当所述第一输入信息对应的商品通用信息具有两个及以上候选的商品本地信息时,处理引擎140(例如,确定模块520)可以基于历史输入信息(例如,第二输入信息的次数)进行判断,满足第二预设条件时,无需再获取第二输入信息,处理引擎140(例如,确定模块520)可以匹配出一个与第一输入信息对应的商品本地信息。有关基于历史输入信息进行判断,无需再获取第二输入信息就可以匹配出一个商品本地信息的相关内容可以参见图3及其相关描述,在此不再赘述。
在一些实施例中,商品通用信息和商品本地信息可以通过文本匹配模型进行匹配。例如,文本匹配模型可以根据商品通用信息的文本在对应关系信息中匹配到与商品通用信息文本相似的商品本地信息。在一些实施例中,当所述第一输入信息对应的商品通用信息通过文本匹配模型满足第一预设条件,获得多个(例如,N个)候选的商品本地信息时,还需获取更多参考信息进一步匹配。在一些实施例中,可以进一步获取第四输入信息以获得一个或以上(例如,M个)候选的商品本地信息,第四输入信息可以从外部接收得到。其中,M、N均为大于1的正整数,且N>M。在一些实施例中,第四输入信息可以是与商品相关的文本信息等商品信息,可以用于缩小与商品通用信息匹配的商品本地信息的匹配范围。处理引擎140(例如,获取模块510)可以获取第四输入信息(例如,与第一输入信息相匹配的商品相关信息),并基于多个(例如,N个)候选的商品本地信息,获得一个或以上(例如,M个)候选的商品本地信息。
在一些实施例中,例如,门店存在自产的特殊门店商品时,第一输入信息不能匹配出商品通用信息,可以进一步获取第四输入信息。所述第四输入信息可以包括该自产的特殊门店商品的相关信息(例如,该自产的特殊门店商品的文本信息)。处理引擎140(例如,获取模块510)获取第四输入信息,并基于该第四输入信息和识别模型内的商品通用信息通过文本匹配模型进行匹配,得到该自产的特殊门店商品的商品通用信息。系统基于商品通用信息和用于识别模型的匹配方法可以获得该自产的特殊门店商品的商品本地信息。例如,A店自行研制并命名的“A记招牌xx”,由于商品的特殊性,无法匹配到对应的商品通用信息,则需要进一步获取第四输入信息(例如,“A记招牌xx”的相关文本信息),处理引擎140(例如,获取模块510)获取第四输入信息并基于文本匹配模型得到“A记招牌xx”的商品通用信息。系统基于“A记招牌xx”的商品通用信息通过本申请一些实施例所述的用于识别模型的匹配方法可以得到“A记招牌xx”的商品本地信息。
需要理解的是,本申请中所述的“匹配”和“对应”具有不同的含义。“匹配”可以包含两个及以上的商品具有相同或相似的信息,或者两个及以上的商品信息的相关性比较高。“对应”则可以认为完全匹配,例如,可以视为同一商品。例如,某种苹果的商品信息为“红富士”,则其“匹配”的商品信息可以包括“红苹果”、“烟台苹果”、“水晶富士”、“蛇果”等,其“对应”的商品信息则指“红富士”。
应当注意的是,上述有关流程200的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程200进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。
图3是根据本申请一些实施例所示的确定第一输入信息对应的商品本地信息的示例性流程图。在一些实施例中,流程300可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。图3所示的流程300中的一个或多个操作可以通过图1所示的处理引擎140实现。例如,流程300可以以指令的形式存储在存储设备150中,并由处理引擎140执行调用和/或执行。在一些实施例中,流程300可以由确定模块520执行。
步骤310,获取第二输入信息。
在一些实施例中,判断出第一输入信息对应的商品通用信息可以与两个及以上候选的商品本地信息相匹配时,还需获取更多参考信息进一步匹配。在一些实施例中,可以进一步获取第二输入信息,第二输入信息可以从外部接收得到。在一些实施例中,第二输入信息可以是两个及以上候选的商品本地信息中的一个商品本地信息对应的商品信息。例如,第二输入信息可以是选择项、商品对应的快捷键或商品对应的组合键等。
步骤320,判断第二输入信息是否满足第二预设条件。
在一些实施例中,第二预设条件可以包括第二输入信息对应的其中一个商品本地信息被选择的次数或分值大于或等于预设阈值。所述预设阈值可以包括第二输入信息对应的商品本地信息被选择的历史次数,还可以包括由店员等特定人员输入的第二输入信息对应的分值。在一些实施例中,预设阈值可以由店员等特定人员进行调整。当第二输入信息对应的商品本地信息被选择的历史次数或对应的分值大于该预设阈值时,可以判断第二输入信息满足第二预设条件。
步骤330,将所述第二输入信息对应的商品本地信息唯一确定为所述第一输入信息对应的所述商品本地信息。
在一些实施例中,例如,步骤250中,判断出第一输入信息对应的商品通用信息可以与两个及以上候选的商品本地信息相匹配时,处理引擎140(例如,确定模块520)可以基于第二输入信息进行判断。例如,处理引擎140(例如,确定模块520)可以基于第二输入信息满足第二预设条件时,可以匹配出一个与第一输入信息对应的商品本地信息。处理引擎140(例如,确定模块520)可以将前述第二输入信息对应的商品本地信息唯一确定为所述第一输入信息对应的商品本地信息。例如,某种水果的第一输入信息对应的商品通用信息为“樱桃番茄”,而匹配出的商品本地信息包括“袖珍番茄”和“樱桃番茄”,在第二输入信息不满足第二预设条件,即“袖珍番茄”或“樱桃番茄”被选择的次数或分值小于预设阈值时,则需要进一步获取第二输入信息。当第二输入信息满足第二预设条件,例如,处理引擎140(例如,确定模块520)确认“樱桃番茄”的历史选择次数或分值大于预设阈值后,“樱桃番茄”将确定为商品本地信息。在后续识别匹配对应商品的过程中“樱桃番茄”可以被默认匹配出,无需再显示“袖珍番茄”这一候选的商品本地信息。
在一些实施例中,所述不满足第一预设条件可以包括该商品的第一输入信息对应的商品通用信息不能匹配到商品本地信息。例如,门店新增商品时。当第一输入信息对应的所述商品通用信息不满足第一预设条件时,需要进一步获取第三输入信息,使该新增商品具有其对应的商品本地信息。其中,第三输入信息可以从外部接收得到。在一些实施例中,所述第三输入信息可以包括新增商品的相关信息,相关信息可以包括新增商品的编码信息、新增商品的快捷键或新增商品的组合键等。系统获取第三输入信息(例如,新增商品对应的商品本地信息),将该第三输入信息对应的商品本地信息作为新增商品对应的商品本地信息。例如,B店铺新进的新款商品B暂未录入系统,则商品B的商品通用信息暂时无法成功匹配到商品B的候选的商品本地信息,可以将商品B的商品本地信息输入或存储到对应关系信息中,后续处理引擎140(例如,获取模块510)再次识别到商品B时,处理引擎140(例如,获取模块510)可以将输入或存储的商品B的商品本地信息作为其对应的商品本地信息。对应关系信息的详细描述可以参见图4及其相关说明。
在一些实施例中,当商品自身的性能发生变化时,该性能变化后商品对应的商品本地信息与性能变化前商品对应的商品本地信息不一致。在一些实施例中,当显示第一输入信息对应的商品本地信息(例如,性能变化前商品对应的商品本地信息)时,此时需要进一步获取第五输入信息以进行纠错操作,得到性能变化后商品对应的商品本地信息。其中,第五输入信息可以从外部接收得到。在一些实施例中,第五输入信息可以包括性能变化后商品的相关信息,相关信息可以包括性能变化后商品的编码信息、性能变化后商品的快捷键或性能变化后商品的组合键等。系统获取第五输入信息(例如,性能变化后商品对应的商品本地信息)后,将第五输入信息对应的商品本地信息(例如,性能变化后商品对应的商品本地信息)作为第一输入信息对应的商品本地信息。例如,某款鲜桃因为放置时间偏长,口感由硬变软,此时需要进一步获取第五输入信息(例如,放置时间偏长、口感发生变化的“鲜桃”对应的商品本地信息)进行纠错,以对该放置时间偏长、口感发生变化的“鲜桃”对应的商品本地信息进行修改,例如可以与折价处理的水果的商品本地信息进行匹配。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。
图4是根据本申请一些实施例所示的获得一个或以上候选的商品本地信息的示例性流程图。在一些实施例中,流程400可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。图4所示的流程400中的一个或多个操作可以通过图1所示的处理引擎140实现。例如,流程400可以以指令的形式存储在存储设备150中,并由处理引擎140执行调用和/或执行。在一些实施例中,流程400可以由获取模块510执行。
步骤410,基于第一输入信息,获得所述第一输入信息对应的商品通用信息。
所述步骤410的详细说明可以参见图2步骤210及步骤220的相关内容,也可以参见图2步骤250中通过文本匹配模型获得商品通用信息的相关描述,此处不再赘述。
步骤420,获取对应关系信息。
在一些实施例中,所述对应关系信息的表现可以有多种,例如,对应关系信息表、对应关系信息树等。所述对应关系的形式可以有多种,例如文本匹配、编码匹配或其他匹配方式等,本文不做限制。
在一些实施例中,所述对应关系信息可以包括预设的商品通用信息与商品本地信息的对应关系,也可以包括历史对应关系。例如,历史对应关系可以包括基于第二输入信息获得的商品通用信息与商品本地信息的对应关系,也可以包括基于第三输入信息获得的商品通用信息与商品本地信息的对应关系,也可以包括基于第五输入信息获得的商品通用信息与商品本地信息的对应关系。在一些实施例中,历史对应关系可以从存储设备获取。
步骤430,基于所述第一输入信息对应的商品通用信息和所述对应关系信息,获得一个或以上所述候选的商品本地信息。
在一些实施例中,处理引擎140(例如,获取模块510)可以基于第一输入信息对应的商品通用信息和上述对应关系信息进行商品通用信息和商品本地信息的对应关系匹配,获得一个或以上候选的商品本地信息。
应当注意的是,上述有关流程400的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程400进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。
图5是根据本申请一些实施例所示的用于识别模型的匹配系统的模块图。如图5所示,该用于识别模型的匹配系统可以包括获取模块510和确定模块520。获取模块510可以用于获取第一输入信息。在一些实施例中,所述第一输入信息可以包括商品图像、商品视频、商品条形码、商品RFID芯片、商品电子标签(EPC)等商品信息。商品信息还可以包括商品的编码、名称、所属种类、单价、计量单位、折扣、优惠等信息。在一些实施例中,获取第一输入信息的方式可以包括通过信息获取装置(例如,摄像装置、传感器、条形码阅读器等)获取。获取模块510还可以基于所述第一输入信息,获得与所述第一输入信息对应的商品通用信息。在一些实施例中,所述商品通用信息可以包括商品在识别模型中的标识信息(例如,商品通用名称、商品商标及商品品牌等)。在一些实施例中,获取模块510可以通过识别模型识别第一输入信息获得商品通用信息。识别模型可以包括图像识别模型、条形码阅读器模型等。当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获取模块510还可以获得一个或以上候选的商品本地信息,所述商品本地信息与所述商品通用信息匹配。在一些实施例中,所述第一预设条件可以包括第一输入信息对应的商品通用信息可以与一个或以上候选的商品本地信息相匹配。在一些实施例,所述候选的商品本地信息可以包括经过识别和/或匹配处理,得到的一个或多个商品本地信息。在一些实施例中,所述商品本地信息可以包括该商品在所属门店系统中对应的门店特征信息(例如,商品在该门店的专用名称、编码信息等)。获取模块510可以通过商品通用信息与对应关系信息匹配获得一个或以上候选的商品本地信息。在一些实施例中,所述对应关系信息可以包括预设的商品通用信息与商品本地信息的对应关系,也可以包括历史对应关系。
确定模块520可以用于在具有两个及以上所述候选的商品本地信息时,获取第二输入信息,确定一个所述商品本地信息,与所述商品通用信息对应。在一些实施例中,所述候选的商品本地信息可以包括经过识别和/或匹配处理,得到的一个或多个商品本地信息。在一些实施例中,第二输入信息可以从外部接收得到。第二输入信息可以包括两个及以上候选的商品本地信息中的一个商品本地信息对应的商品信息。确定模块520还可以用于在只有一个所述候选的商品本地信息时,将所述一个所述候选的商品本地信息作为与所述第一输入信息对应的所述商品本地信息。在一些实施例中,当第二输入信息满足第二预设条件时,确定模块520还可以将第二输入信息对应的商品本地信息唯一确定为第一输入信息对应的商品本地信息。在一些实施例中,第二预设条件可以包括第二输入信息对应的其中一个商品本地信息被选择的次数或分值大于或等于预设阈值。所述预设阈值可以包括第二输入信息对应的商品本地信息被选择的历史次数,还可以包括由店员等特定人员输入的第二输入信息对应的分值。在一些实施例中,预设阈值可以由店员等特定人员进行调整。
图5所示的模块的详细描述可以参考本申请流程图部分,例如图2至图4。
应当理解,图5所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于候选项显示、确定系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,例如,图5中披露的获取模块510和确定模块520可以是一个系统中的不同模块,也可以是一个模块实现上述的两个模块的功能。例如,获取模块510、确定模块520可以是两个模块,也可以是一个模块同时具有获取和确定功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
本申请实施例可能带来的有益效果包括但不限于:(1)可以实现快速识别商品,提升顾客的购物体验;(2)可以对商品信息进行更新、纠错以满足门店的经营需求;(3)可以适用于多个门店,可以识别不同门店的不同商品信息。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (9)
1.一种用于识别模型的匹配方法,其特征在于,所述方法包括:
获取第一输入信息;
基于所述第一输入信息,获得与所述第一输入信息对应的商品通用信息;
当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获得一个或以上候选的商品本地信息,所述商品本地信息与所述商品通用信息匹配;
在具有两个及以上所述候选的商品本地信息时,获取第二输入信息,确定一个所述商品本地信息,与所述商品通用信息对应;
在只有一个所述候选的商品本地信息时,将所述一个所述候选的商品本地信息作为与所述第一输入信息对应的所述商品本地信息。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述第二输入信息满足第二预设条件时,将所述第二输入信息对应的商品本地信息唯一确定为所述第一输入信息对应的所述商品本地信息。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
当所述第一输入信息对应的所述商品通用信息不满足第一预设条件时,
获取第三输入信息;
基于所述第三输入信息,将所述第三输入信息对应的商品本地信息作为所述第一输入信息对应的商品本地信息。
4.如权利要求1所述的方法,其特征在于,所述当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获得一个或以上候选的商品本地信息包括:
当获得所述第一输入信息对应的商品通用信息时,
获取对应关系信息;
基于所述第一输入信息对应的所述商品通用信息和所述对应关系信息,获得一个或以上所述候选的商品本地信息。
5.如权利要求1所述的方法,其特征在于,所述当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获得一个或以上候选的商品本地信息包括:
当获得多个所述候选的商品本地信息时,
获取第四输入信息;
基于所述多个候选的商品本地信息和所述第四输入信息,获得一个或以上所述候选的商品本地信息。
6.如权利要求3所述的方法,其特征在于,所述方法还包括:
当显示所述第一输入信息对应的所述商品本地信息时,
获取第五输入信息,
基于所述五输入信息,将所述第五输入信息对应的商品本地信息作为所述第一输入信息对应的商品本地信息。
7.一种用于识别模型的匹配系统,其特征在于,所述系统包括获取模块和确定模块;
所述获取模块用于获取第一输入信息;
基于所述第一输入信息,获得与所述第一输入信息对应的商品通用信息;以及
当所述第一输入信息对应的所述商品通用信息满足第一预设条件时,获得一个或以上候选的商品本地信息,所述商品本地信息与所述商品通用信息匹配;
所述确定模块用于在具有两个及以上所述候选的商品本地信息时,获取第二输入信息,确定一个所述商品本地信息,与所述商品通用信息对应;以及在只有一个所述候选的商品本地信息时,将所述一个所述候选的商品本地信息作为与所述第一输入信息对应的所述商品本地信息。
8.一种用于识别模型的匹配装置,包括处理器,其特征在于,所述处理器用于执行如权利要求1-6任意一项所述的方法。
9.一种计算机可读存储介质,所述存储介质存储计算机指令,其特征在于,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1-6任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194612.8A CN110992140A (zh) | 2019-11-28 | 2019-11-28 | 一种用于识别模型的匹配方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194612.8A CN110992140A (zh) | 2019-11-28 | 2019-11-28 | 一种用于识别模型的匹配方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110992140A true CN110992140A (zh) | 2020-04-10 |
Family
ID=70087886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911194612.8A Pending CN110992140A (zh) | 2019-11-28 | 2019-11-28 | 一种用于识别模型的匹配方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992140A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591594A (zh) * | 2021-07-06 | 2021-11-02 | 盒马(中国)有限公司 | 称重处理方法、装置及电子设备 |
CN114140169A (zh) * | 2021-12-07 | 2022-03-04 | 钻技(上海)信息科技有限公司 | 一种优惠券自动匹配方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794831A (zh) * | 2014-01-21 | 2015-07-22 | 东芝泰格有限公司 | 图像信息处理装置及其控制方法 |
CN107221098A (zh) * | 2017-04-25 | 2017-09-29 | 深圳中兴网信科技有限公司 | 辅助购物方法、装置和智能购物车 |
CN107861972A (zh) * | 2017-09-15 | 2018-03-30 | 广州唯品会研究院有限公司 | 一种用户录入商品信息后显示商品全结果的方法及设备 |
CN109242473A (zh) * | 2018-08-31 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 一种支付方法、装置及电子设备 |
CN109409175A (zh) * | 2017-08-16 | 2019-03-01 | 图灵通诺(北京)科技有限公司 | 结算方法、装置和系统 |
CN109559453A (zh) * | 2017-09-27 | 2019-04-02 | 缤果可为(北京)科技有限公司 | 用于自动结算的人机交互装置及其应用 |
CN110264645A (zh) * | 2019-04-16 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种商品的自助收银方法和设备 |
-
2019
- 2019-11-28 CN CN201911194612.8A patent/CN110992140A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794831A (zh) * | 2014-01-21 | 2015-07-22 | 东芝泰格有限公司 | 图像信息处理装置及其控制方法 |
CN107221098A (zh) * | 2017-04-25 | 2017-09-29 | 深圳中兴网信科技有限公司 | 辅助购物方法、装置和智能购物车 |
CN109409175A (zh) * | 2017-08-16 | 2019-03-01 | 图灵通诺(北京)科技有限公司 | 结算方法、装置和系统 |
CN107861972A (zh) * | 2017-09-15 | 2018-03-30 | 广州唯品会研究院有限公司 | 一种用户录入商品信息后显示商品全结果的方法及设备 |
CN109559453A (zh) * | 2017-09-27 | 2019-04-02 | 缤果可为(北京)科技有限公司 | 用于自动结算的人机交互装置及其应用 |
CN109242473A (zh) * | 2018-08-31 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 一种支付方法、装置及电子设备 |
CN110264645A (zh) * | 2019-04-16 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种商品的自助收银方法和设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591594A (zh) * | 2021-07-06 | 2021-11-02 | 盒马(中国)有限公司 | 称重处理方法、装置及电子设备 |
CN114140169A (zh) * | 2021-12-07 | 2022-03-04 | 钻技(上海)信息科技有限公司 | 一种优惠券自动匹配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11151427B2 (en) | Method and apparatus for checkout based on image identification technique of convolutional neural network | |
CN110942035A (zh) | 一种用于获取商品信息的方法、系统、装置和存储介质 | |
RU2739542C1 (ru) | Система автоматической регистрации для торговой точки | |
US7953635B2 (en) | Merchandise sales data processing apparatus and computer readable medium | |
US10001403B2 (en) | System and method of encoding item information from a scale in a self-service scanning solution | |
US20200034812A1 (en) | System for dynamic smart cart content notifications | |
US20210049400A1 (en) | Mislabeled product detection | |
US9299229B2 (en) | Detecting primitive events at checkout | |
US20200027148A1 (en) | Smart shopping cart, server, smart shopping system and method | |
CN110909698A (zh) | 电子秤识别结果输出方法、系统、装置以及可读存储介质 | |
US20240013541A1 (en) | Computer-readable recording medium, information processing method, and information processing apparatus | |
CN110992140A (zh) | 一种用于识别模型的匹配方法和系统 | |
CN110836717A (zh) | 一种面向金融服务的果蔬智能识别和计价系统 | |
CN110956459A (zh) | 一种商品处理方法及系统 | |
KR20240073905A (ko) | 품목 인식을 위한 시스템 및 방법 | |
CN113935774A (zh) | 图像处理方法、装置、电子设备及计算机存储介质 | |
CN110826481A (zh) | 数据处理方法、商品识别方法、服务器和存储介质 | |
US10762557B2 (en) | Shopping cart | |
EP3396610A1 (en) | Commodity information reading device and commodity information reading method | |
CN112154488B (zh) | 信息处理装置、控制方法和程序 | |
CN110868476A (zh) | 一种推送信息确定方法和系统 | |
Kaushik et al. | Revamping Supermarkets With AI and RSSi | |
JP6414916B1 (ja) | 買物支援装置、買物支援方法、買物支援プログラム及び買物支援システム | |
AU2014240256A1 (en) | Method and system for identifying at least one shopping item | |
US20230169452A1 (en) | System Configuration for Learning and Recognizing Packaging Associated with a Product |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200410 |