CN115375403A - 基于商品特征的快速建模方法、系统、设备及存储介质 - Google Patents
基于商品特征的快速建模方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN115375403A CN115375403A CN202211043970.0A CN202211043970A CN115375403A CN 115375403 A CN115375403 A CN 115375403A CN 202211043970 A CN202211043970 A CN 202211043970A CN 115375403 A CN115375403 A CN 115375403A
- Authority
- CN
- China
- Prior art keywords
- commodity
- feature
- model
- identification
- database
- 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 47
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000003068 static 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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]
- G06Q30/0603—Catalogue ordering
-
- 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]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于商品特征的快速建模方法、系统、设备及存储介质，该方法包括：利用HBase搭建商品特征数据库；获取商品识别服务框架，将特征提取模型并入商品识别服务框架中以提取新商品特征，并通过服务接口将新商品特征添加至商品特征数据库中；搭建特征匹配服务引擎，在线同步商品特征数据库的数据；利用特征提取模型提取待识别商品特征，并与特征匹配服务引擎进行匹配，生成商品识别结果。本申请在无需训练的情况下就可以对新商品进行建模，极大缩短了建模周期，节约了大量时间和人力成本，降低开发和实施人员的服务部署难度，可推广性强。
Description
技术领域
本申请涉及计算机视觉技术领域，尤其涉及一种基于商品特征的快速建模方法、系统、设备及存储介质。
背景技术
在快消行业中，商品款式多、产品更新周期短，若直接采用传统深度学习识别方法标注，不仅成本高且建模周期长，原因是传统算法识别服务通常是模型推理和业务逻辑强耦合，模型发布和服务部署过程复杂。目前，快消领域商品识别方法通常采用端到端的深度学习方法对所需识别产品进行建模学习，但由于在项目初期往往很少有真实场景的图片可供训练，因此一般是通过在实验环境人为制造数据，待模型部署上线后，积累了足量的线上真实场景数据，再来对初版模型进行优化。然而，这个过程必然需要耗费大量的人力和时间成本，随着项目需求的变化，可能需要频繁更新优化和部署新模型服务。显然，现有的建模学习方法已无法满足当前对商品模型优化和部署的需求。
发明内容
本申请的目的在于提供一种基于商品特征的快速建模方法、系统、设备及存储介质，以解决现有的商品建模方法中存在的成本高、耗时长的问题。
为实现上述目的，本申请提供一种基于商品特征的快速建模方法，包括：
利用HBase搭建商品特征数据库；
获取商品识别服务框架，将特征提取模型并入商品识别服务框架中以提取新商品特征，并通过服务接口将新商品特征添加至商品特征数据库中；
搭建特征匹配服务引擎，在线同步商品特征数据库的数据；
利用特征提取模型提取待识别商品特征，并与特征匹配服务引擎进行匹配，生成商品识别结果。
进一步地，在所述获取商品识别服务框架之后，还包括基于商品识别服务框架确定待识别商品，包括：
利用商品识别模型识别出待识别的第一商品，利用通用检测模型识别出任意商品；
将商品识别模型和通用检测模型的识别结果进行去重合并，得到未分类的待识别商品；其中，所述商品识别服务框架包括商品识别模型和通用检测模型。
进一步地，在所述将特征提取模型并入商品识别服务框架中以提取新商品特征之前，还包括构建特征提取模型，包括：
获取预设数量的未标注商品图片，构建自监督算法模型；其中，所述自监督算法模型包括编码器和解码器；
利用编码器对未标注商品图片进行特征提取，将提取的商品特征发送给解码器以进行商品图像重建，直至重建的商品图像满足预设条件时生成分类器；
对所述分类器进行微调训练，直至分类器收敛，将其中的编码器模型用于特征提取。
进一步地，所述编码器包括transformer算法模型。
进一步地，所述搭建特征匹配服务引擎，包括：
利用Faiss框架搭建特征匹配服务引擎。
进一步地，所述在线同步商品特征数据库的数据，包括：
基于Sanic服务框架搭建在线特征匹配服务，利用所述在线特征匹配服务将商品特征数据库与特征匹配服务引擎的数据进行同步。
本申请还提供一种基于商品特征的快速建模系统，包括：
数据库构建单元，用于利用HBase搭建商品特征数据库；
数据库更新单元，用于获取商品识别服务框架，将特征提取模型并入商品识别服务框架中以提取新商品特征，并通过服务接口将新商品特征添加至商品特征数据库中；
数据同步单元，用于搭建特征匹配服务引擎，在线同步商品特征数据库的数据；
商品识别单元，用于利用特征提取模型提取待识别商品特征，并与特征匹配服务引擎进行匹配，生成商品识别结果。
进一步地，所述数据库更新单元，还用于基于商品识别服务框架确定待识别商品，包括：
利用商品识别模型识别出待识别的第一商品，利用通用检测模型识别出任意商品；
将商品识别模型和通用检测模型的识别结果进行去重合并，得到未分类的待识别商品；其中，所述商品识别服务框架包括商品识别模型和通用检测模型。
本申请还提供一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的基于商品特征的快速建模方法。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的基于商品特征的快速建模方法。
相对于现有技术，本申请的有益效果在于：
1)在不影响旧识别服务准确率和性能的前提下，能够无需训练就可对新商品进行建模，极大缩短了建模周期，节约了大量时间和人力成本；
2)通过在线特征入库和“热插拔”更新，实现无感知上线部署识别服务，开发和实施人员得以摆脱繁杂的服务部署工作，并且非停服更新的方式对用户体验比较友好；
3)在新商品上线一段时间，并且后台收集到了足够丰富的数据后，根据需要可基于原商品识别模型对新商品进行建模优化，将新商品转化为具有高识别率的已学习产品。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，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的附图。
图1是本申请某一实施例提供的基于商品特征的快速建模方法的流程示意图；
图2是本申请某一实施例提供的商品识别服务框架进行商品识别的流程图；
图3是本申请某一实施例提供的特征提取模型的训练过程；
图4是本申请某一实施例提供的新商品快速建模和部署识别服务流程；
图5是本申请某一实施例提供的基于商品特征的快速建模系统的结构示意图；
图6是本申请某一实施例提供的终端设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，本申请某一实施例提供一种基于商品特征的快速建模方法。如图1所示，该基于商品特征的快速建模方法包括步骤S10至步骤S30。各步骤具体如下：
S10、利用HBase搭建商品特征数据库。
本步骤中，基于HBase搭建商品特征数据库，用于存储待识别新商品的特征。作为优选地，该数据库并支持增删改查、分布式访问和存储等功能。
S20、获取商品识别服务框架，将特征提取模型并入商品识别服务框架中以提取新商品特征，并通过服务接口将新商品特征添加至商品特征数据库中。
本步骤中，首先获取商品识别服务框架。请参阅图2，图2提供了该商品识别服务框架的识别流程。其中，商品识别服务框架包括商品识别模型和通用检测模型，也可称为通用商品检测模型或商品检测器。进一步地，基于商品识别服务框架确定待识别商品，主要包括：
2.1)利用商品识别模型识别出待识别的第一商品，利用通用检测模型识别出任意商品；
2.2)将商品识别模型和通用检测模型的识别结果进行去重合并，得到未分类的待识别商品。
本实施例中，商品识别模型负责识别出待识别的第一商品，而通用商品检测模型则用于检测任意商品，该检测结果无需对商品分类。然后根据二者的识别结果通过去重合并即可得到未分类的待识别商品。
由于快消领域相对比较关注商品陈列排面情况，在一个具体实施例中，将商品识别模型和通用检测模型的识别结果进行去重合并后，通常得到的是商品整体排面的识别情况。
请参阅图3，在一个具体实施例中，在所述将特征提取模型并入商品识别服务框架中以提取新商品特征之前，还包括构建特征提取模型，如图3所示。具体地，构建该特征提取模型包括以下步骤：
3.1)获取预设数量的未标注商品图片，构建自监督算法模型；其中，所述自监督算法模型包括编码器和解码器。
本步骤中，预设数量通常是指大量的图片，例如成千上万张。首先收集大量、多样性丰富的商品图片，无需任何人工标注，然后使用带有随机掩码的自监督算法进行建模。其中，该自监督算法模型为“编码器—解码器”结构。
3.2)利用编码器对未标注商品图片进行特征提取，将提取的商品特征发送给解码器以进行商品图像重建，直至重建的商品图像满足预设条件时生成分类器；
作为一个优选地实施方式，该编码器选择transformer算法模型，负责精炼提取输入商品特征，解码器则基于商品特征学习重建输入图像。
3.3)对所述分类器进行微调训练，直至分类器收敛，将其中的编码器模型用于特征提取。
基于上述编码器附加下游任务，通过附加全连接层改造为分类器模型；同时，保留足够多、且各类数量相对均衡的样本集，然后对分类器模型进行微调训练，直至收敛；最后以该编码器模型作为通用的特征提取模型。
进一步地，在训练好特征提取模型之后，将其并入商品识别服务框架中以提取新商品特征，增加服务接口以支持在线调取识别服务中的特征模型进行商品特征提取，并将提取的新商品特征数据加入到HBase商品特征数据库中。
S30、搭建特征匹配服务引擎，在线同步商品特征数据库的数据。
具体地，该步骤包括以下子步骤：
4.1)基于Faiss框架搭建特征匹配服务引擎，负责将输入特征数据与在线特征数据库进行匹配识别，其处理速度十分高效。
4.2)基于Sanic服务框架搭建在线特征匹配服务，该服务支持将HBase特征数据库与Faiss在线特征数据库进行同步，支持通过服务接口在线增删改查HBase特征数据库。
S40、利用特征提取模型提取待识别商品特征，并与特征匹配服务引擎进行匹配，生成商品识别结果。
请参阅图4，在一个具体实施例中，还提供了针对待识别新商品的建模和部署流程，如图4所示，具体步骤如下：
(1)收集少量多样的新商品图片数据集进行标注；
(2)通过识别服务接口，在线调用商品特征模型提取上述(1)商品图片特征，并存入HBase特征数据库，该过程实现了新商品的“零”训练快速建模学习；
(3)将HBase特征数据库同步至在线Faiss特征数据库，此过程一般耗时很少，与待同步的数据量呈正相关，同步过程不影响识别服务正常使用；
(4)待新商品特征数据同步完成，即完成识别服务对新商品的部署上线，该过程有效精简了识别服务部署的复杂操作流程，实现了快速轻量、无感知的服务部署方式。
综上所述，本申请提供的基于商品特征的快速建模方式，在不影响旧识别服务准确率和性能的前提下，能够无需训练就可对新商品进行建模，极大缩短了建模周期，节约了大量时间和人力成本；通过在线特征入库和“热插拔”更新，实现无感知上线部署识别服务，简化了开发和实施人员的部署工作，同时，在后台收集到了足够丰富的数据后，可根据需要基于原商品识别模型对新商品进行建模优化，将新商品转化为具有高识别率的已学习产品。
请参阅图5，本申请某一实施例还提供一种基于商品特征的快速建模系统，包括：
数据库构建单元01，用于利用HBase搭建商品特征数据库；
数据库更新单元02，用于获取商品识别服务框架，将特征提取模型并入商品识别服务框架中以提取新商品特征，并通过服务接口将新商品特征添加至商品特征数据库中；
数据同步单元03，用于搭建特征匹配服务引擎，在线同步商品特征数据库的数据；
商品识别单元04，用于利用特征提取模型提取待识别商品特征，并与特征匹配服务引擎进行匹配，生成商品识别结果。
在一个具体地实施例中，数据库更新单元02，还用于基于商品识别服务框架确定待识别商品，包括：
利用商品识别模型识别出待识别的第一商品，利用通用检测模型识别出任意商品；
将商品识别模型和通用检测模型的识别结果进行去重合并，得到未分类的待识别商品；其中，所述商品识别服务框架包括商品识别模型和通用检测模型。
可以理解的是，本实施例提供的商品特征的快速建模系统用于执行如上述任意一项实施例提供的商品特征的快速建模方法，并实现与其相同的效果，此处不再进一步赘述。
请参阅图6，本申请某一实施例提供一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的基于商品特征的快速建模方法。
处理器用于控制该终端设备的整体操作，以完成上述的基于商品特征的快速建模方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该终端设备的操作，这些数据例如可以包括用于在该终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如上述任一项实施例所述的基于商品特征的快速建模方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供一种包括计算机程序的计算机可读存储介质，该计算机程序被处理器执行时实现如上述任一项实施例所述的基于商品特征的快速建模方法的步骤。例如，该计算机可读存储介质可以为上述包括计算机程序的存储器，上述计算机程序可由终端设备的处理器执行以完成如上述任一项实施例所述的基于商品特征的快速建模方法，并达到如上述方法一致的技术效果。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本申请的保护范围。
Claims (10)
1.一种基于商品特征的快速建模方法，其特征在于，包括：
利用HBase搭建商品特征数据库；
获取商品识别服务框架，将特征提取模型并入商品识别服务框架中以提取新商品特征，并通过服务接口将新商品特征添加至商品特征数据库中；
搭建特征匹配服务引擎，在线同步商品特征数据库的数据；
利用特征提取模型提取待识别商品特征，并与特征匹配服务引擎进行匹配，生成商品识别结果。
2.根据权利要求1所述的基于商品特征的快速建模方法，其特征在于，在所述获取商品识别服务框架之后，还包括基于商品识别服务框架确定待识别商品，包括：
利用商品识别模型识别出待识别的第一商品，利用通用检测模型识别出任意商品；
将商品识别模型和通用检测模型的识别结果进行去重合并，得到未分类的待识别商品；其中，所述商品识别服务框架包括商品识别模型和通用检测模型。
3.根据权利要求1所述的基于商品特征的快速建模方法，其特征在于，在所述将特征提取模型并入商品识别服务框架中以提取新商品特征之前，还包括构建特征提取模型，包括：
获取预设数量的未标注商品图片，构建自监督算法模型；其中，所述自监督算法模型包括编码器和解码器；
利用编码器对未标注商品图片进行特征提取，将提取的商品特征发送给解码器以进行商品图像重建，直至重建的商品图像满足预设条件时生成分类器；
对所述分类器进行微调训练，直至分类器收敛，将其中的编码器模型用于特征提取。
4.根据权利要求3所述的基于商品特征的快速建模方法，其特征在于，所述编码器包括transformer算法模型。
5.根据权利要求1所述的基于商品特征的快速建模方法，其特征在于，所述搭建特征匹配服务引擎，包括：
利用Faiss框架搭建特征匹配服务引擎。
6.根据权利要求1所述的基于商品特征的快速建模方法，其特征在于，所述在线同步商品特征数据库的数据，包括：
基于Sanic服务框架搭建在线特征匹配服务，利用所述在线特征匹配服务将商品特征数据库与特征匹配服务引擎的数据进行同步。
7.一种基于商品特征的快速建模系统，其特征在于，包括：
数据库构建单元，用于利用HBase搭建商品特征数据库；
数据库更新单元，用于获取商品识别服务框架，将特征提取模型并入商品识别服务框架中以提取新商品特征，并通过服务接口将新商品特征添加至商品特征数据库中；
数据同步单元，用于搭建特征匹配服务引擎，在线同步商品特征数据库的数据；
商品识别单元，用于利用特征提取模型提取待识别商品特征，并与特征匹配服务引擎进行匹配，生成商品识别结果。
8.根据权利要求7所述的基于商品特征的快速建模系统，其特征在于，所述数据库更新单元，还用于基于商品识别服务框架确定待识别商品，包括：
利用商品识别模型识别出待识别的第一商品，利用通用检测模型识别出任意商品；
将商品识别模型和通用检测模型的识别结果进行去重合并，得到未分类的待识别商品；其中，所述商品识别服务框架包括商品识别模型和通用检测模型。
9.一种终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6任一项所述的基于商品特征的快速建模方法。
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，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的基于商品特征的快速建模方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211043970.0A CN115375403A (zh) | 2022-08-30 | 2022-08-30 | 基于商品特征的快速建模方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211043970.0A CN115375403A (zh) | 2022-08-30 | 2022-08-30 | 基于商品特征的快速建模方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115375403A true CN115375403A (zh) | 2022-11-22 |
Family
ID=84069814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211043970.0A Pending CN115375403A (zh) | 2022-08-30 | 2022-08-30 | 基于商品特征的快速建模方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115375403A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113869264A (zh) * | 2021-10-11 | 2021-12-31 | 广州广电运通金融电子股份有限公司 | 一种商品识别方法、识别系统、存储介质和服务器 |
| 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 |
| CN114612708A (zh) * | 2022-02-23 | 2022-06-10 | 广州市玄武无线科技股份有限公司 | 商品识别方法、装置、终端设备及计算机可读介质 |
-
2022
- 2022-08-30 CN CN202211043970.0A patent/CN115375403A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113869264A (zh) * | 2021-10-11 | 2021-12-31 | 广州广电运通金融电子股份有限公司 | 一种商品识别方法、识别系统、存储介质和服务器 |
| 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 |
| CN114612708A (zh) * | 2022-02-23 | 2022-06-10 | 广州市玄武无线科技股份有限公司 | 商品识别方法、装置、终端设备及计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112861975B (zh) | 分类模型的生成方法、分类方法、装置、电子设备与介质 | |
| CA3177209A1 (en) | Data cleaning method | |
| CN112416369B (zh) | 一种面向异构混合环境的智能化部署方法 | |
| CN116049397B (zh) | 基于多模态融合的敏感信息发现并自动分类分级方法 | |
| CN104899249B (zh) | 一种海量数据下可靠索引更新系统及方法 | |
| CN105824863A (zh) | 一种桌面主题推荐方法及终端 | |
| CN111666298A (zh) | 基于flink的用户服务类别检测方法、装置、计算机设备 | |
| CN114721964A (zh) | 一种测试用例的自动生成方法、装置、设备及介质 | |
| CN110134901A (zh) | 一种基于流量分析的多链路网页篡改判定方法 | |
| CN115375403A (zh) | 基于商品特征的快速建模方法、系统、设备及存储介质 | |
| CN117435999A (zh) | 一种风险评估方法、装置、设备以及介质 | |
| CN117408959A (zh) | 模型的训练方法、缺陷检测方法、装置、电子设备及介质 | |
| CN111797175B (zh) | 数据存储方法、装置、存储介质及电子设备 | |
| CN102902737B (zh) | 一种网络图像自主收集与筛选方法 | |
| CN115905016A (zh) | 一种BIOS Setup搜索功能测试方法、装置、电子设备及存储介质 | |
| CN109241241A (zh) | 一种基于通信数据的移动用户关系类型识别方法 | |
| CN116977195A (zh) | 复原模型的调整方法、装置、设备及存储介质 | |
| CN115546824A (zh) | 禁忌图片识别方法、设备及存储介质 | |
| CN111783809B (zh) | 图像描述的生成方法、装置和计算机可读存储介质 | |
| CN113935572A (zh) | 通用型线上产品异音智能检测系统及设备 | |
| CN106326225B (zh) | 页面数据采集方法及装置 | |
| CN116777914B (zh) | 一种数据处理方法、装置、设备以及计算机可读存储介质 | |
| CN114218116B (zh) | 适用于地面型号车辆的离线移动测试系统及方法 | |
| CN110704322B (zh) | 软件测试方法和系统 | |
| CN118094332A (zh) | 流量数据的处理方法、装置、设备、介质和程序产品 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221122 |