CN114723536B - 基于图像大数据比对的电商平台廉价商品选取方法及系统 - Google Patents

Abstract

本发明公开了一种基于图像大数据比对的电商平台廉价商品选取方法及系统，涉及图像识别技术领域。该方法包括：采用目标检测技术对商品图像进行目标检测；进行多尺度重建；采用目标检测技术分别对各个尺度下的待识别商品图像进行目标检测，生成统计结果；若统计结果是否大于预置的尺度阈值，则对待选取商品图像进行超分辨率重建；对各个重建商品图像中的商标进行目标检测；根据商标信息进行归类汇总；对重建商品图像进行图像增强处理；利用OCR技术对价格进行识别，根据对应的价格筛选得到并推送廉价商品图像。本发明将多尺度目标检测方法、基于超分辨率重建的目标检测方法、基于图像加强的OCR技术相结合，实现电商平台的廉价商品的精准选取。

Description

基于图像大数据比对的电商平台廉价商品选取方法及系统

技术领域

本发明涉及图像识别技术领域，具体而言，涉及一种基于图像大数据比对的电商平台廉价商品选取方法及系统。

背景技术

随着电子商务的高速发展，电商平台也越来越普及，各式各样的电商平台已经成为了消费者购物的重要渠道。然而，电商平台中的海量商品图像也成为了消费者的一种负担，消费者往往没有精力去浏览海量的商品图像。因此，从海量的商品图像中选取价格低廉实惠的商品的图像显得尤为重要。

电商平台中的商品图像往往包含商品内容、价格等多种信息，传统的图像检索、选取、检测等方法均无法有针对性地对价格低廉的商品图像进行选取，无法有效满足消费者的需求，无法为消费者提供更好的服务。因此，如何在海量商品图像中选取对应的廉价商品图像成为一个亟需解决的问题。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种基于图像大数据比对的电商平台廉价商品选取方法及系统，利用多尺度的目标检测方法来获取目标的同类别商品图像；然后利用基于超分辨率重建的目标检测方法来获取同品牌同类别的商品图像；并利用基于图像加强的OCR技术来获取同品牌同类别商品的最低价格，进而实现电商平台的廉价商品的精准选取。

本发明的实施例是这样实现的：

第一方面，本发明实施例提供一种基于图像大数据比对的电商平台廉价商品选取方法，包括以下步骤：

录入目标商品信息，基于目标商品信息获取并采用目标检测技术对电商平台中的商品图像数据库中的各幅商品图像进行目标检测，以识别得到目标类别商品图像；

对各个目标类别商品图像分别进行多尺度重建，以得到各个目标类别商品图像对应的多个尺度下的待识别商品图像；

采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测，以得到并统计各个目标类别商品图像对应的各个尺度下的识别结果，生成统计结果；

分别判断各个目标类别商品图像对应的统计结果是否大于预置的尺度阈值，如果是，则将对应的目标类别商品图像标记为待选取商品图像，并建立待选取商品图像数据集；如果否，则将对应的目标类别商品图像进行删除；

对待选取商品图像数据集中的待选取商品图像进行超分辨率重建，以得到对应的多个重建商品图像；

对各个重建商品图像中的商标进行目标检测，以得到各个重建商品图像对应的商标信息；

根据商标信息将相同商标信息对应的重建商品图像进行归类汇总，以建立各个商标对应的同品牌同类别商品图像数据集；

对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集；

利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别，以得到并根据各个商品增强图像对应的价格信息对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像进行筛选，以得到并推送廉价商品图像给消费者。

为了解决现有技术中无法有针对性地对价格低廉的商品图像进行选取，无法有效满足消费者的需求的技术问题，本发明利用多尺度的目标检测方法来识别出目标商品的同类别商品图像，确保了同类别商品图像获取结果的准确性；然后利用基于超分辨率重建的目标检测方法识别出同品牌同类别的商品图像，进而确保了同品牌同类别商品图像获取结果的准确性；并利用基于图像加强的OCR技术识别并筛选得到同品牌同类别商品的最低价格，确保了最低价格商品图像获取的准确性。本发明将多尺度的目标检测方法、基于超分辨率重建的目标检测方法、基于图像加强的OCR技术相互结合，能够较为精准、稳定地实现电商平台的廉价商品选取。

基于第一方面，在本发明的一些实施例中，上述对各个目标类别商品图像分别进行多尺度重建的方法包括以下步骤：

采用最近邻插值方法对各个目标类别商品图像分别进行多尺度重建。

基于第一方面，在本发明的一些实施例中，上述采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测的方法包括以下步骤：

采用基于注意力RPN和多关系检测器的小样本目标检测网络分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测。

基于第一方面，在本发明的一些实施例中，上述对待选取商品图像数据集中的待选取商品图像进行超分辨率重建的方法包括以下步骤：

采用ESPCN、SRCNN或FSRCNN 特征提取方法对待选取商品图像数据集中的待选取商品图像进行超分辨率重建。

基于第一方面，在本发明的一些实施例中，上述对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集的方法包括以下步骤：

分别对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行多个尺度的高斯模糊处理，以得到各个重建商品图像对应的多个尺度下的商品模糊图像；

计算各个尺度下各个重建商品图像对应的各个商品模糊图像之间的细节差异值，生成并将多个尺度的商品细节信息加权到对应的重建商品图像中，以得到对应的商品加强图像；

基于对应的商品加强图像建立各个商标对应的同品牌同类别商品增强图像数据集。

基于第一方面，在本发明的一些实施例中，上述利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别的方法包括以下步骤：

利用CTPN文本检测方法对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别。

基于第一方面，在本发明的一些实施例中，该基于图像大数据比对的电商平台廉价商品选取方法还包括以下步骤：

根据廉价商品图像对应的价格信息和预置的参考价格生成并发送价格异常预警提示信息。

第二方面，本发明实施例提供一种基于图像大数据比对的电商平台廉价商品选取系统，包括初始识别模块、多尺度重建模块、尺度检测模块、判断模块、超分辨率重建模块、商标识别模块、类别汇总模块、增强处理模块以及廉价商品推荐模块，其中：

初始识别模块，用于录入目标商品信息，基于目标商品信息获取并采用目标检测技术对电商平台中的商品图像数据库中的各幅商品图像进行目标检测，以识别得到目标类别商品图像；

多尺度重建模块，用于对各个目标类别商品图像分别进行多尺度重建，以得到各个目标类别商品图像对应的多个尺度下的待识别商品图像；

尺度检测模块，用于采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测，以得到并统计各个目标类别商品图像对应的各个尺度下的识别结果，生成统计结果；

判断模块，用于分别判断各个目标类别商品图像对应的统计结果是否大于预置的尺度阈值，如果是，则将对应的目标类别商品图像标记为待选取商品图像，并建立待选取商品图像数据集；如果否，则将对应的目标类别商品图像进行删除；

超分辨率重建模块，用于对待选取商品图像数据集中的待选取商品图像进行超分辨率重建，以得到对应的多个重建商品图像；

商标识别模块，用于对各个重建商品图像中的商标进行目标检测，以得到各个重建商品图像对应的商标信息；

类别汇总模块，用于根据商标信息将相同商标信息对应的重建商品图像进行归类汇总，以建立各个商标对应的同品牌同类别商品图像数据集；

增强处理模块，用于对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集；

廉价商品推荐模块，用于利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别，以得到并根据各个商品增强图像对应的价格信息对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像进行筛选，以得到并推送廉价商品图像给消费者。

为了解决现有技术中无法有针对性地对价格低廉的商品图像进行选取，无法有效满足消费者的需求的技术问题，本系统通过初始识别模块、多尺度重建模块、尺度检测模块、判断模块、超分辨率重建模块、商标识别模块、类别汇总模块、增强处理模块以及廉价商品推荐模块等多个模块的结合，利用多尺度的目标检测方法来识别出目标商品的同类别商品图像，确保了同类别商品图像获取结果的准确性；然后利用基于超分辨率重建的目标检测方法识别出同品牌同类别的商品图像，进而确保了同品牌同类别商品图像获取结果的准确性；并利用基于图像加强的OCR技术识别并筛选得到同品牌同类别商品的最低价格，确保了最低价格商品图像获取的准确性。本发明将多尺度的目标检测方法、基于超分辨率重建的目标检测方法、基于图像加强的OCR技术相互结合，能够较为精准、稳定地实现电商平台的廉价商品选取。

第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。

本发明实施例至少具有如下优点或有益效果：

本发明实施例提供一种基于图像大数据比对的电商平台廉价商品选取方法及系统，解决了现有技术中无法有针对性地对价格低廉的商品图像进行选取，无法有效满足消费者的需求的技术问题，本发明利用多尺度的目标检测方法来识别出目标商品的同类别商品图像，确保了同类别商品图像获取结果的准确性；然后利用基于超分辨率重建的目标检测方法识别出同品牌同类别的商品图像，进而确保了同品牌同类别商品图像获取结果的准确性；并利用基于图像加强的OCR技术识别并筛选得到同品牌同类别商品的最低价格，确保了最低价格商品图像获取的准确性。本发明将多尺度的目标检测方法、基于超分辨率重建的目标检测方法、基于图像加强的OCR技术相互结合，能够较为精准、稳定地实现电商平台的廉价商品选取。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例一种基于图像大数据比对的电商平台廉价商品选取方法的流程图；

图2为本发明实施例一种基于图像大数据比对的电商平台廉价商品选取方法中图像增强处理的流程图；

图3为本发明实施例一种基于图像大数据比对的电商平台廉价商品选取方法中预警提示的流程图；

图4为本发明实施例一种基于图像大数据比对的电商平台廉价商品选取系统的原理框图；

图5为本发明实施例提供的一种电子设备的结构框图。

附图标记说明：100、初始识别模块；200、多尺度重建模块；300、尺度检测模块；400、判断模块；500、超分辨率重建模块；600、商标识别模块；700、类别汇总模块；800、增强处理模块；900、廉价商品推荐模块；101、存储器；102、处理器；103、通信接口。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

实施例：

如图1-图2所示，第一方面，本发明实施例提供一种基于图像大数据比对的电商平台廉价商品选取方法，包括以下步骤：

S1、录入目标商品信息，基于目标商品信息获取并采用目标检测技术对电商平台中的商品图像数据库中的各幅商品图像进行目标检测，以识别得到目标类别商品图像；对于商品图像数据库中的所有商品图像，利用目标检测技术对特定类别物体进行检测（以高压锅为例），将含有目标类别物体（高压锅）的图像识别出来。

S2、对各个目标类别商品图像分别进行多尺度重建，以得到各个目标类别商品图像对应的多个尺度下的待识别商品图像；

进一步地，采用最近邻插值方法对各个目标类别商品图像分别进行多尺度重建。上述采用最近邻插值方法进行多尺度重建为常用图像重建方法，在此不做赘述。

S3、采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测，以得到并统计各个目标类别商品图像对应的各个尺度下的识别结果，生成统计结果；

进一步地，采用基于注意力RPN和多关系检测器的小样本目标检测网络分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测。

S4、分别判断各个目标类别商品图像对应的统计结果是否大于预置的尺度阈值，如果是，则将对应的目标类别商品图像标记为待选取商品图像，并建立待选取商品图像数据集；如果否，则将对应的目标类别商品图像进行删除；

在本发明的一些实施例中，对于识别出来的每个图像分别进行多尺度重建，在多个尺度下再对图像进行目标检测。如果仅在部分尺度（小于预置的尺度阈值）下才能检测出原有目标，则将该图像舍弃（通常情况下，认定此时高压锅并不是图片中的核心物体）；如果在多个尺度（大于预置的尺度阈值）下都能稳定地检测出原有目标，则将该图像进行保留，从而得到所有的同类别商品图像。

S5、对待选取商品图像数据集中的待选取商品图像进行超分辨率重建，以得到对应的多个重建商品图像；对已经得到的所有的同类商品图像（所有的高压锅图像）进行超分辨率重建。

进一步地，采用ESPCN、SRCNN或FSRCNN 特征提取方法对待选取商品图像数据集中的待选取商品图像进行超分辨率重建。上述超分辨率重建方法为常用图像重建方法，在此不做赘述。

S6、对各个重建商品图像中的商标进行目标检测，以得到各个重建商品图像对应的商标信息；在超分辨率重建的基础上，对同类商品图像中的商标进行目标检测，检测出同类商品的商标。

S7、根据商标信息将相同商标信息对应的重建商品图像进行归类汇总，以建立各个商标对应的同品牌同类别商品图像数据集；对于同一品牌的同类商品图像进行汇总，得到同品牌同类别图像（例如，将苏泊尔品牌的高压锅商品图像进行汇总）。

S8、对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集；

进一步地，上述图像增强处理包括：

S81、分别对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行多个尺度的高斯模糊处理，以得到各个重建商品图像对应的多个尺度下的商品模糊图像；

S82、计算各个尺度下各个重建商品图像对应的各个商品模糊图像之间的细节差异值，生成并将多个尺度的商品细节信息加权到对应的重建商品图像中，以得到对应的商品加强图像；

S83、基于对应的商品加强图像建立各个商标对应的同品牌同类别商品增强图像数据集。

S9、利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别，以得到并根据各个商品增强图像对应的价格信息对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像进行筛选，以得到并推送廉价商品图像给消费者。

进一步地，利用CTPN文本检测方法对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别。

在本发明的一些实施例中，对同品牌同类别图像进行图像增强，在图像增强的基础上利用OCR识别技术中的CTPN文本检测方法对同品牌同类别商品进行价格识别。将识别出来的价格进行比对，找出价格最低的商品图像。利用上述步骤，对数据库中所有的同品牌同类别图像的最低价格进行判定，并将最低价格商品的图像推送给消费者。上述CTPN文本检测方法为常用文本识别方法，在此不做赘述。

为了解决现有技术中无法有针对性地对价格低廉的商品图像进行选取，无法有效满足消费者的需求的技术问题，本发明利用多尺度的目标检测方法来识别出目标商品的同类别商品图像，确保了同类别商品图像获取结果的准确性；然后利用基于超分辨率重建的目标检测方法识别出同品牌同类别的商品图像，进而确保了同品牌同类别商品图像获取结果的准确性；并利用基于图像加强的OCR技术识别并筛选得到同品牌同类别商品的最低价格，确保了最低价格商品图像获取的准确性。本发明将多尺度的目标检测方法、基于超分辨率重建的目标检测方法、基于图像加强的OCR技术相互结合，能够较为精准、稳定地实现电商平台的廉价商品选取。

如图3所示，基于第一方面，在本发明的一些实施例中，该基于图像大数据比对的电商平台廉价商品选取方法还包括以下步骤：

S10、根据廉价商品图像对应的价格信息和预置的参考价格生成并发送价格异常预警提示信息。

对于最低价格进行合理性判别，将廉价商品图像对应的价格信息与预置的参考价格进行对比，如果出现了远低于正常价格水平的结果，将该商品图像推送给消费者的时候也进行预警说明。

如图4所示，第二方面，本发明实施例提供一种基于图像大数据比对的电商平台廉价商品选取系统，包括初始识别模块100、多尺度重建模块200、尺度检测模块300、判断模块400、超分辨率重建模块500、商标识别模块600、类别汇总模块700、增强处理模块800以及廉价商品推荐模块900，其中：

初始识别模块100，用于录入目标商品信息，基于目标商品信息获取并采用目标检测技术对电商平台中的商品图像数据库中的各幅商品图像进行目标检测，以识别得到目标类别商品图像；

多尺度重建模块200，用于对各个目标类别商品图像分别进行多尺度重建，以得到各个目标类别商品图像对应的多个尺度下的待识别商品图像；

尺度检测模块300，用于采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测，以得到并统计各个目标类别商品图像对应的各个尺度下的识别结果，生成统计结果；

判断模块400，用于分别判断各个目标类别商品图像对应的统计结果是否大于预置的尺度阈值，如果是，则将对应的目标类别商品图像标记为待选取商品图像，并建立待选取商品图像数据集；如果否，则将对应的目标类别商品图像进行删除；

超分辨率重建模块500，用于对待选取商品图像数据集中的待选取商品图像进行超分辨率重建，以得到对应的多个重建商品图像；

商标识别模块600，用于对各个重建商品图像中的商标进行目标检测，以得到各个重建商品图像对应的商标信息；

类别汇总模块700，用于根据商标信息将相同商标信息对应的重建商品图像进行归类汇总，以建立各个商标对应的同品牌同类别商品图像数据集；

增强处理模块800，用于对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集；

廉价商品推荐模块900，用于利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别，以得到并根据各个商品增强图像对应的价格信息对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像进行筛选，以得到并推送廉价商品图像给消费者。

为了解决现有技术中无法有针对性地对价格低廉的商品图像进行选取，无法有效满足消费者的需求的技术问题，本系统通过初始识别模块100、多尺度重建模块200、尺度检测模块300、判断模块400、超分辨率重建模块500、商标识别模块600、类别汇总模块700、增强处理模块800以及廉价商品推荐模块900等多个模块的结合，利用多尺度的目标检测方法来识别出目标商品的同类别商品图像，确保了同类别商品图像获取结果的准确性；然后利用基于超分辨率重建的目标检测方法识别出同品牌同类别的商品图像，进而确保了同品牌同类别商品图像获取结果的准确性；并利用基于图像加强的OCR技术识别并筛选得到同品牌同类别商品的最低价格，确保了最低价格商品图像获取的准确性。本发明将多尺度的目标检测方法、基于超分辨率重建的目标检测方法、基于图像加强的OCR技术相互结合，能够较为精准、稳定地实现电商平台的廉价商品选取。

如图5所示，第三方面，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。

还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。

其中，存储器101可以是但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。

处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本申请所提供的实施例中，应该理解到，所揭露的方法及系统和方法，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于图像大数据比对的电商平台廉价商品选取方法，其特征在于，包括以下步骤：

录入目标商品信息，基于目标商品信息获取并采用目标检测技术对电商平台中的商品图像数据库中的各幅商品图像进行目标检测，以识别得到目标类别商品图像；

对各个目标类别商品图像分别进行多尺度重建，以得到各个目标类别商品图像对应的多个尺度下的待识别商品图像；

采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测，以得到并统计各个目标类别商品图像对应的各个尺度下的识别结果，生成统计结果；

分别判断各个目标类别商品图像对应的统计结果是否大于预置的尺度阈值，如果是，则将对应的目标类别商品图像标记为待选取商品图像，并建立待选取商品图像数据集；如果否，则将对应的目标类别商品图像进行删除；

对待选取商品图像数据集中的待选取商品图像进行超分辨率重建，以得到对应的多个重建商品图像；

对各个重建商品图像中的商标进行目标检测，以得到各个重建商品图像对应的商标信息；

根据商标信息将相同商标信息对应的重建商品图像进行归类汇总，以建立各个商标对应的同品牌同类别商品图像数据集；

对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集；

利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别，以得到并根据各个商品增强图像对应的价格信息对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像进行筛选，以得到并推送廉价商品图像给消费者。

2.根据权利要求1所述的一种基于图像大数据比对的电商平台廉价商品选取方法，其特征在于，所述对各个目标类别商品图像分别进行多尺度重建的方法包括以下步骤：

采用最近邻插值方法对各个目标类别商品图像分别进行多尺度重建。

3.根据权利要求1所述的一种基于图像大数据比对的电商平台廉价商品选取方法，其特征在于，所述采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测的方法包括以下步骤：

采用基于注意力RPN和多关系检测器的小样本目标检测网络分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测。

4.根据权利要求1所述的一种基于图像大数据比对的电商平台廉价商品选取方法，其特征在于，所述对待选取商品图像数据集中的待选取商品图像进行超分辨率重建的方法包括以下步骤：

采用ESPCN、SRCNN或FSRCNN 特征提取方法对待选取商品图像数据集中的待选取商品图像进行超分辨率重建。

5.根据权利要求1所述的一种基于图像大数据比对的电商平台廉价商品选取方法，其特征在于，所述对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集的方法包括以下步骤：

分别对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行多个尺度的高斯模糊处理，以得到各个重建商品图像对应的多个尺度下的商品模糊图像；

计算各个尺度下各个重建商品图像对应的各个商品模糊图像之间的细节差异值，生成并将多个尺度的商品细节信息加权到对应的重建商品图像中，以得到对应的商品加强图像；

基于对应的商品加强图像建立各个商标对应的同品牌同类别商品增强图像数据集。

6.根据权利要求1所述的一种基于图像大数据比对的电商平台廉价商品选取方法，其特征在于，所述利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别的方法包括以下步骤：

利用CTPN文本检测方法对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别。

7.根据权利要求1所述的一种基于图像大数据比对的电商平台廉价商品选取方法，其特征在于，还包括以下步骤：

根据廉价商品图像对应的价格信息和预置的参考价格生成并发送价格异常预警提示信息。

8.一种基于图像大数据比对的电商平台廉价商品选取系统，其特征在于，包括初始识别模块、多尺度重建模块、尺度检测模块、判断模块、超分辨率重建模块、商标识别模块、类别汇总模块、增强处理模块以及廉价商品推荐模块，其中：

初始识别模块，用于录入目标商品信息，基于目标商品信息获取并采用目标检测技术对电商平台中的商品图像数据库中的各幅商品图像进行目标检测，以识别得到目标类别商品图像；

多尺度重建模块，用于对各个目标类别商品图像分别进行多尺度重建，以得到各个目标类别商品图像对应的多个尺度下的待识别商品图像；

尺度检测模块，用于采用目标检测技术分别对各个目标类别商品图像对应的各个尺度下的待识别商品图像进行目标检测，以得到并统计各个目标类别商品图像对应的各个尺度下的识别结果，生成统计结果；

判断模块，用于分别判断各个目标类别商品图像对应的统计结果是否大于预置的尺度阈值，如果是，则将对应的目标类别商品图像标记为待选取商品图像，并建立待选取商品图像数据集；如果否，则将对应的目标类别商品图像进行删除；

超分辨率重建模块，用于对待选取商品图像数据集中的待选取商品图像进行超分辨率重建，以得到对应的多个重建商品图像；

商标识别模块，用于对各个重建商品图像中的商标进行目标检测，以得到各个重建商品图像对应的商标信息；

类别汇总模块，用于根据商标信息将相同商标信息对应的重建商品图像进行归类汇总，以建立各个商标对应的同品牌同类别商品图像数据集；

增强处理模块，用于对各个商标对应的同品牌同类别商品图像数据集中的重建商品图像进行图像增强处理，以建立各个商标对应的同品牌同类别商品增强图像数据集；

廉价商品推荐模块，用于利用OCR识别技术对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像的价格信息进行识别，以得到并根据各个商品增强图像对应的价格信息对各个商标对应的同品牌同类别商品增强图像数据集中的各个商品增强图像进行筛选，以得到并推送廉价商品图像给消费者。

9.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。

Images