CN115840831A - 一种商品检索方法、装置、设备及存储介质 - Google Patents
一种商品检索方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115840831A CN115840831A CN202211707643.0A CN202211707643A CN115840831A CN 115840831 A CN115840831 A CN 115840831A CN 202211707643 A CN202211707643 A CN 202211707643A CN 115840831 A CN115840831 A CN 115840831A
- Authority
- CN
- China
- Prior art keywords
- image
- attribute
- commodity
- retrieved
- similarity
- 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 50
- 238000012216 screening Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004260 weight control Methods 0.000 claims description 7
- 239000013604 expression vector Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种商品检索方法、装置、设备及存储介质,涉及计算机技术领域。所述方法包括首先通过获取待检索图像,并将待检索图像和商品图像库进行图像相似度的匹配,筛选出图像相似度符合图像阈值条件的多张商品图像。接着确定出待检索图像和各商品图像对应的多个属性特征信息。然后依据待检索图像和各商品图像对应的多个属性特征信息,确定出待检索图像和各商品图像之间的加权属性相似度。最后依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。经过图像相似度和属性相似度的双重筛选,可以保证展示的商品图像高度符合用户对搜索结果的期望。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种商品检索方法、装置、设备及存储介质。
背景技术
检索是计算机视觉中非常重要的一项技术,一般对于一张检索图像进行检索的话,是在海量的数据库中找出与其图像最相似的一个或是几个图像,并进行展示。但是,在此种情况下,往往检索到的结果与用户所想要的结果之间经常会存在较大差异,对应的商品检索精度低。
发明内容
本发明实施例的目的在于提供一种商品检索方法、装置、设备及存储介质,以实现提高通过图像检索商品的精确度。具体技术方案如下:
在本发明实施的第一方面,首先提供了一种商品检索方法,所述方法包括:
获取待检索图像;
将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像;
确定出所述待检索图像和各商品图像对应的多个属性特征信息;
依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度;
依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
可选的,所述确定出所述待检索图像和各商品图像对应的多个属性特征信息,包括:
将所述待检索图像和多张商品图像分别输入到属性分类模型中进行特征分类,得到对应的属性特征信息。
可选的,所述属性特征信息包括属性类别和特征表示向量,所述依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度,包括:
依据所述待检索图像和各商品图像对应属性类别的两个特征表示向量,分别确定出待检测图像和商品图像在同一属性类别上的属性相似度;
对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
可选的,所述对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度,包括:
获取属性权重信息,并依据所述属性权重信息确定各属性类别对应的属性权重值;
依据所述属性权重值,对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
可选的,所述获取属性权重信息,包括:
获取属性权重信息,并监测是否获取到客户端的关注属性信息,其中,所述关注属性信息表征用户所偏好的属性类别,所述关注属性信息基于对属性权重控件的编辑操作的触发确定;
在获取到所述关注属性信息的情况下,依据所述关注属性信息对所述属性权重信息进行更新。
可选的,所述属性分类模型包括多个属性分类子模型,多个属性分类子模型分别用于对商品的不同属性类别进行特征分类,所述方法还包括训练所述属性分类子模型的步骤:
获取商品的同一属性类别对应的多张目标属性图像,所述目标属性图像标注有预设属性特征;
将多张目标属性图像,分别输入到所述属性分类子模型中进行特征分类,得到对应的目标属性特征;
依据所述预设属性特征和目标属性特征,确定出模型的损失函数值;
依据所述损失函数值,调整所述属性分类子模型的模型参数,并确定出训练完成的属性分类子模型。
可选的,所述将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像,包括:
将所述待检索图像和商品库中的各商品图像分别形成图像对,并输入到商品检索模型中进行特征匹配,得到所述待检索图像和各商品图像之间的图像相似度;
筛选出所述图像相似度符合图像阈值条件的多张商品图像。
可选的,所述筛选出所述图像相似度符合图像阈值条件的多张商品图像,包括:
筛选出所述图像相似度大于或等于第一阈值的多张商品图像;或者,
按降序对各图像相似度进行重排,并依序筛选出预设相似度个数的商品图像。
在本发明实施的第二方面,还提供了一种商品检索装置,所述装置包括:
图像获取模块,用于获取待检索图像;
图像匹配模块,用于将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像;
特征信息确定模块,用于确定出所述待检索图像和各商品图像对应的多个属性特征信息;
相似度确定模块,用于依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度;
图像展示模块,用于依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
在本发明实施的又一方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的方法步骤。
在本发明实施的又一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的商品检索方法。
在本发明实施的又一方面,还提供了一种包含指令的计算机程序商品,当其在计算机上运行时,使得计算机执行上述任一所述的商品检索方法。
本发明实施例提供的一种商品检索方法,所述方法可以包括首先通过获取待检索图像,并将待检索图像和商品图像库进行图像相似度的匹配,筛选出图像相似度符合图像阈值条件的多张商品图像。接着确定出待检索图像和各商品图像对应的多个属性特征信息。然后依据待检索图像和各商品图像对应的多个属性特征信息,确定出待检索图像和各商品图像之间的加权属性相似度。最后依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。经过图像相似度和属性相似度的双重筛选,可以提高搜索展示的商品图像与待检索图像之间的相似度。其可以在一定程度上解决现有技术中商品检索精度低的技术问题,进而能够保证展示的商品图像高度符合用户对搜索结果的期望。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的一种商品检索方法的步骤流程示意图;
图2为本发明实施例提供的另一种商品检索方法的步骤流程示意图;
图3为本发明实施例提供的一种服饰检索方法的示例步骤流程示意图;
图4为本发明实施例提供的一种商品检索装置的结构示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
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描述。
参照图1,本发明实施例提供了一种商品检索方法,所述方法可以包括:
S101、获取待检索图像。
本发明实施例中,所述待检索图像指的是包括某一商品对象的图像。其可以是通过终端设备针对某一商品对象进行拍摄或扫描得到的图像,也可以是在终端设备内本地存储的图像。由此,基于对图像检索控件的点选操作的触发,获取到所述待检索图像。
S102、将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像。
本发明实施例,所述商品图像库中存储了若干个商品图像,其中,可以分别计算所述待检索图像和商品图像库中的各商品图像之间的图像相似度。所述图像相似度用于表征所述待检索图像和商品图像之间的图像特征的匹配程度。所述图像阈值条件指的是对所述图像相似度进行筛选的条件。例如,所述图像阈值条件可以是图像相似度大于或等于第一阈值。其中,所述第一阈值可以由本领域技术人员根据实际应用场景进行选定,如可以为85%和90%等,在此不作过多限定。因此,可以根据图像相似度,在所述商品图像库中匹配出符合所述图像阈值条件的多张商品图像。
103、确定出所述待检索图像和各商品图像对应的多个属性特征信息。
本发明实施例中,可以通过属性分类模型来确定属性特征信,所述属性分类模型可以采用分类模型,其用于对所述待检索图像和商品图像进行属性类别。再将待检索图像和多张商品图像分别输入到属性分类模型中进行特征分类,得到对应的属性特征信息。其中,所述属性特征信息可以包括图像所具有的属性类别和对应属性类别下的特征表示向量。属性类别可以理解为区分不同商品对象的属性标签。因此,从属性特征信息可以确定出所述检索图像和各商品图像之间的属性特征的差异。从而便于后期根据属性特征差异来确定出与所述待检索图像中的商品对象高度相似的商品,并进行展示推荐。
S104、依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度。
S105、依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
本发明实施例中,可以针对待检索图像和各商品图像对应的各属性特征信息,分别计算两张图像之间的属性相似度。所述属性相似度用于表征所述待检索图像和商品图像之间的属性特征的匹配程度。其中,可以预设第二阈值,在所述属性相似度大于或等于第二阈值时,可以判定两张图像对应属性类别一致。可以基于此逻辑,依据所述属性相似度,确定出与所述待检索图像的多个属性类别均一致或高度相似的多张商品图像。并按属性相似度的降序排列各商品图像,并在终端上进行展示。经过图像相似度和属性相似度的双重筛选,可以提高搜索展示的商品图像与待检索图像之间的相似度。保证展示的商品图像高度符合用户对搜索结果的期望,提高用户体验感。
参照图2,本发明实施例提供了另一种商品检索方法,所述方法可以包括:
S201、获取待检索图像。
本发明实施例中,对步骤S201的说明内容参照对步骤S101的说明内容。
S202、将所述待检索图像和商品库中的各商品图像分别形成图像对,并输入到商品检索模型中进行特征匹配,得到所述待检索图像和各商品图像之间的图像相似度。
本发明实施例中,所述商品检索模型用于对所述图像对中的两张图像分别进行图像特征的提取,并根据提取后的图像特征进行特征匹配,从而能够得到图像对中的两张图像(即待检索图像和商品图像)的图像相似度,换句话说,所述图像相似度用于表征所述待检索图像和商品图像之间的图像特征的匹配程度,所述图像相似度越高,说明对应的商品图像和待检索图像之间的图像特征越相似。
一种示例中,所述商品检索模型可以包括特征提取网络和相似计算网络,所述特征提取网络用于对输入的待检索图像和一商品图像进行图像特征的提取,所述相似计算网络用于对提取得到的图像特征进行特征匹配,并计算对应的图像相似度。其中,所述特征提取网络提取到的图像特征可以为所述待检索图像和商品图像经过图像二值化后的轮廓特征图,并将所述待检索图像和商品图像对应的轮廓特征图输入到所述相似计算网络中,用以匹配所述轮廓特征图中的轮廓相似度。
一种可选的实施例中,所述商品检索模型的训练步骤包括:
获取目标商品对应的多张商品图像,其中,多个商品图像中包含目标商品下的不同商品对象。参照图3所示,若目标商品为服饰时,则对应的商品图像(商品检索模型的训练数据)可以是成千上万张,且每个商品对象(例如短袖、长袖、长裤以及短裤等)对应的商品图像均为多个,且每张商品图像均不同。将已知图像相似度的两张商品图像作为一组样本图像对,分别输入到所述商品检索模型中,并得到模型预测的图像相似度。依据所述真实图像相似度和预测的图像相似度,确定出所述商品检索模型的损失函数值,并基于所述损失函数值对所述模型参数进行调整(例如对所述特征提取网络、相似计算网络的网络参数进行调整)。在所述损失函数值不再下降或下降幅度很小的情况下,例如下降幅度不超过0.1%。可以确定出所述商品检索模型训练完成。
S203、筛选出所述图像相似度符合图像阈值条件的多张商品图像。
本发明实施例中,所述图像阈值条件指的是对所述图像相似度进行筛选的条件。例如,所述图像阈值条件可以是图像相似度大于或等于第一阈值。由此,筛选出所述图像相似度大于或等于第一阈值的多张商品图像。
另一种实施例中,所述图像阈值条件可以是预设相似度个数且图像相似度按降序逐一下降。因此,可以按照图像相似度的降序进行重新排列,并从所述图像相似度最大的位置降序,依序筛选出预设相似度个数的图像相似度,并确定出所述图像相似度对应的商品图像。例如,在商品为服饰时,可以经过商品检索模型的特征匹配,确定出N张与待检索图像最相似的商品图像,其中,N为大于1的正整数。
S204、将所述待检索图像和多张商品图像分别输入到各属性分类子模型中进行特征分类,得到对应的属性特征信息。
本发明实施例中,所述属性分类模型可以采用分类模型,其用于对所述待检索图像和商品图像进行属性分类。对应的,所述属性分类模型可以包括多个属性分类子模型,其中,各属性分类子模型的模型结构可以相同,且各属性分类子模型通过商品的不同属性类别的训练数据得到。由此,在将待检索图像和多张商品图像分别输入到各属性分类子模型中进行特征分类,从而可以得到多个属性特征信息。所述属性特征信息可以包括属性类别和对应属性类别下的特征表示向量。依据所述特征表示向量还可以确定出对应属性类别下的目标属性特征。其中,所述特征表示向量为N维向量,其中N为大于或等于1的正整数。所述特征表示向量的维数可以预先设置,所述属性类别可以理解为区分不同商品对象的属性标签。因此,从属性特征信息可以确定出所述检索图像和各商品图像之间的属性差异。从而便于后期根据属性差异来确定出与所述待检索图像中的商品对象高度相似的商品,并进行展示推荐。
一种示例中,参照图3所示,在所述商品对象为上衣服饰时,其对应的属性类别可以包括上衣领型、纹理、材质以及风格等。其中,各属性类别均有对应的多个目标属性特征。例如,针对上衣领型,其对应的目标属性特征可以包括U形领、V形领、船领、西装领、海军领以及立领等。针对纹理,其对应的目标属性特征可以包括花卉、纯色、条纹、格纹、字母、蕾丝以及镂空等。其中,同一属性类别中的不同目标属性特征,对应的特征表示向量不同。
一实施例中,针对每一属性分类子模型的训练步骤可以包括:
获取商品的同一属性类别对应的多张目标属性图像,其中,所述目标属性图像标注有预设属性特征。将多张目标属性图像分别输入到所述属性分类子模型中进行特征分类,得到对应的目标属性特征。根据所述属性分类子模型预测得到的目标属性特征和预设属性特征之间的特征差异,确定出所述子模型的损失函数值,并根据所述损失函数值对所述属性分类子模型的模型参数进行调整,直至所述损失函数值下降幅度很小时,例如下降幅度不超过0.5%时,停止调参,并确定所述属性分类子模型训练完成。
参照图3所示,例如针对属性类别为领型进行属性分类子模型的训练,从而得到属性分类子模型1,对应的训练数据1为包括不同领型的多张目标属性图像。针对属性类别为纹理进行属性分类子模型的训练,从而得到属性分类子模型2,对应的训练数据2为包括不同纹理的多张目标属性图像。以此类推,可以将其他属性类别分别对应的多张目标属性图像分别输入到对应的属性分类子模型中进行特征分类,并最终得到各属性类别对应的训练完成的属性分类子模型。
S205、依据所述待检索图像和各商品图像对应属性类别的两个特征表示向量,分别确定出待检测图像和商品图像在同一属性类别上的属性相似度。
本发明实施例中,可以针对待检索图像和各商品图像对应的各属性特征信息,分别计算两张图像(待检索图像和商品图像)在同一属性类别上的属性相似度。其中,所述属性相似度用于表征所述待检索图像和商品图像之间的属性特征的匹配程度。所述属性相似度越高,说明对应的商品图像和待检索图像之间的属性特征越相似。一种示例中,可以通过欧氏距离或余弦距离等计算方式来确定出各属性类别对应的属性相似度。在计算过程中,所述属性相似度通过所述待检索图像和商品图像中,属于同一属性类别下的两个属性类别对应的特征表示向量进行计算得到。
例如,采用欧式距离确定属性相似度时,可以根据下述公式计算得到:
上述公式(1)和公式(2)中,Ss指的是属性相似度;d指的是欧式距离;xi指的是所述待检索图像或商品图像的某一属性类别对应的特征表示向量中的第i维的向量值;yi指的是所述商品图像或待检索图像的同一属性类别对应的特征表示向量中的第i维的向量值。
S206、对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
本发明实施例中,由于每个属性类别的属性相似度表征所述待检索图像和商品图像之间对应属性类别的属性特征的匹配程度。由此,可以对所述待检索图像和各商品图像之间所有属性类别的属性相似度进行加权,确定出对应的加权属性相似度。其中,所述加权属性相似度用于表征所述待检索图像和各商品图像之间的多个属性类别的综合匹配程度。也就是说,加权属性相似度越高,所述待检索图像和对应商品的各目标属性特征的一致性越高。
一种实施例中,可以预先设置每个属性类别的属性权重信息,所述属性权重信息至少包括每个属性类别的属性权重值。其中,所有属性类别的属性权重值累计和为1,本领域技术人员可以根据实际应用场景中对应的属性类别的重要程度,来预设各属性类别的属性权重值。由此,可以在确定出不同属性类别对应的属性相似度之后,查询并获取对应的属性权重信息,并依据所述属性权重信息确定各属性类别对应的属性权重值。
接着依据所述属性权重值,对所述待检索图像和各商品图像分别进行所有属性类别的属性相似度的加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
另一种实施例中,还可以基于用户的关注属性信息来重新确定出各属性类别对应的属性权重值。在获取属性权重信息之后,并监测是否获取到客户端的关注属性信息。其中,所述关注属性信息表征用户所偏好的属性类别,所述关注属性信息基于对属性权重控件的编辑操作的触发确定。例如,在用户终端上提供一展示界面,在所述展示界面中包括有各属性对应的属性权重控件,其中,用户可以基于对所述属性权重控件的编辑操作,确定出对不同属性类别的关注程度,从而基于对相关编辑操作的触发,获取关注属性信息,并上传到服务端。服务端在获取到所述关注属性信息的情况下,依据所述关注属性信息对所述属性权重信息进行更新。
一实施例中,所述编辑操作可以是点选操作。由此可以检测所述关注属性中用户选中重点关注的属性类别的数量,在对应关注的属性类别的数量大于或等于1的情况下,则将用户所关注的属性类别对应的属性权重值均更新为目标权重值,将用户并未选中关注的属性类别对应的属性权重值均更新为0。其中,用户所关注的属性类别对应的目标权重值的累计和接近于1,其考虑到在无法整除的情况下,可以采用四舍五入的方法确定对应的目标权重值。例如若用户仅仅选中了上衣领型对应的属性权重控件,则确定对应的目标权重值为1,则根据关注属性信息将上衣领型对应的属性权重值更新为1,其他属性类别对应的属性权重值更新为0。若用户选中了上衣领型和纹理两个属性类别。则目标权重值为0.5,则根据关注属性信息将上衣领型和纹理两个属性类别对应的属性权重值更新为0.5,其他属性类别对应的属性权重值更新为0。
S207、依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
本发明实施例中,依据各加权属性相似度,确定出与所述待检索图像的多个属性类别均一致或高度相似的多张商品图像。并按加权属性相似度的降序排列各商品图像,并在终端上进行展示。经过图像相似度和加权属性相似度的双重筛选,可以提高搜索展示的商品图像与待检索图像之间的相似度。并且,在关注属性信息对属性权重信息进行更新的情况下,可以使得与用户所偏好的属性类别的属性特征越相近的商品图像,越优先向用户展示,从而可以保证展示的商品图像高度符合用户对搜索结果的期望,提高用户体验感。
综上所述,本发明实施例公开了一种商品检索方法,所述方法可以包括首先通过获取待检索图像,并将待检索图像和商品图像库进行图像相似度的匹配,筛选出图像相似度符合图像阈值条件的多张商品图像。接着确定出待检索图像和各商品图像对应的多个属性特征信息。然后依据待检索图像和各商品图像对应的多个属性特征信息,确定出待检索图像和各商品图像之间的加权属性相似度。最后依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。经过图像相似度和加权属性相似度的双重筛选,可以提高搜索展示的商品图像与待检索图像之间的相似度。其可以解决现有技术中商品检索精度低的技术问题,进而能够保证展示的商品图像高度符合用户对搜索结果的期望。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图4,本发明实施例提供了一种商品检索装置,所述装置可以包括:
图像获取模块401,用于获取待检索图像。
图像匹配模块402,用于将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像。
特征信息确定模块403,用于确定出所述待检索图像和各商品图像对应的多个属性特征信息。
相似度确定模块404,用于依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度。
图像展示模块405,用于依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
一种可选的发明实施例中,所述特征信息确定模块403还可以用于:
将所述待检索图像和多张商品图像分别输入到属性分类模型中进行特征分类,得到对应的属性特征信息。
一种可选的发明实施例中,所述属性特征信息包括属性类别和特征表示向量,所述相似度确定模块404可以包括:
第一相似度确定子模块,用于依据所述待检索图像和各商品图像对应属性类别的两个特征表示向量,分别确定出待检测图像和商品图像在同一属性类别上的属性相似度。
第二相似度确定子模块,对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
一种可选的发明实施例中,所述第二相似度确定子模块可以包括:
权重值确定单元,用于获取属性权重信息,并依据所述属性权重信息确定各属性类别对应的属性权重值。
第二相似度确定单元,用于依据所述属性权重值,对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
一种可选的发明实施例中,所述权重值确定单元还可以用于:
获取属性权重信息,并监测是否获取到客户端的关注属性信息,其中,所述关注属性信息表征用户所偏好的属性类别,所述关注属性信息基于对属性权重控件的编辑操作的触发确定。
在获取到所述关注属性信息的情况下,依据所述关注属性信息对所述属性权重信息进行更新。
一种可选的发明实施例中,所述属性分类模型包括多个属性分类子模型,多个属性分类子模型分别用于对商品的不同属性类别进行特征分类,所述装置还包括以下模块:
属性图像获取模块,用于获取商品的同一属性类别对应的多张目标属性图像,所述目标属性图像标注有预设属性特征。
特征分类模块,用于将多张目标属性图像,分别输入到所述属性分类子模型中进行特征分类,得到对应的目标属性特征。
损失确定模块,用于依据所述预设属性特征和目标属性特征,确定出模型的损失函数值。
模型调参模块,用于依据所述损失函数值,调整所述属性分类子模型的模型参数,并确定出训练完成的属性分类子模型。
一种可选的发明实施例中,所述图像匹配模块402可以包括:
特征匹配子模块,用于将所述待检索图像和商品库中的各商品图像分别形成图像对,并输入到商品检索模型中进行特征匹配,得到所述待检索图像和各商品图像之间的图像相似度。
图像筛选子模块,用于筛选出所述图像相似度符合图像阈值条件的多张商品图像。
一种可选的发明实施例中,所述图像筛选子模块还可以用于:
筛选出所述图像相似度大于或等于第一阈值的多张商品图像;或者,
按降序对各图像相似度进行重排,并依序筛选出预设相似度个数的商品图像。
综上所述,本发明实施例公开了一种商品检索装置,所述装置可以包括首先通过获取待检索图像,并将待检索图像和商品图像库进行图像相似度的匹配,筛选出图像相似度符合图像阈值条件的多张商品图像。接着确定出待检索图像和各商品图像对应的多个属性特征信息。然后依据待检索图像和各商品图像对应的多个属性特征信息,确定出待检索图像和各商品图像之间的加权属性相似度。最后依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。经过图像相似度和属性相似度的双重筛选,可以提高搜索展示的商品图像与待检索图像之间的相似度。其可以解决现有技术中商品检索精度低的技术问题,进而能够保证展示的商品图像高度符合用户对搜索结果的期望。
本发明实施例还提供了一种电子设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信,
存储器503,用于存放计算机程序;
处理器501,用于执行存储器503上所存放的程序时,实现如下步骤:
获取待检索图像;
将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像;
确定出所述待检索图像和各商品图像对应的多个属性特征信息;
依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度;
依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
上述终端提到的通信总线可以是外设部件互联标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的商品检索方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序商品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的商品检索方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序商品的形式实现。所述计算机程序商品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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”、“包含”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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (11)
1.一种商品检索方法,其特征在于,所述方法包括:
获取待检索图像;
将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像;
确定出所述待检索图像和各商品图像对应的多个属性特征信息;
依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度;
依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
2.根据权利要求1所述的商品检索方法,其特征在于,所述确定出所述待检索图像和各商品图像对应的多个属性特征信息,包括:
将所述待检索图像和多张商品图像分别输入到属性分类模型中进行特征分类,得到对应的属性特征信息。
3.根据权利要求2所述的商品检索方法,其特征在于,所述属性特征信息包括属性类别和特征表示向量,所述依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度,包括:
依据所述待检索图像和各商品图像对应属性类别的两个特征表示向量,分别确定出待检测图像和商品图像在同一属性类别上的属性相似度;
对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
4.根据权利要求3所述的商品检索方法,其特征在于,所述对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度,包括:
获取属性权重信息,并依据所述属性权重信息确定各属性类别对应的属性权重值;
依据所述属性权重值,对所述待检索图像和各商品图像中,不同属性类别对应的属性相似度分别进行加权,确定出所述待检索图像和各商品图像之间的加权属性相似度。
5.根据权利要求4所述的商品检索方法,其特征在于,所述获取属性权重信息,包括:
获取属性权重信息,并监测是否获取到客户端的关注属性信息,其中,所述关注属性信息表征用户所偏好的属性类别,所述关注属性信息基于对属性权重控件的编辑操作的触发确定;
在获取到所述关注属性信息的情况下,依据所述关注属性信息对所述属性权重信息进行更新。
6.根据权利要求2所述的商品检索方法,其特征在于,所述属性分类模型包括多个属性分类子模型,多个属性分类子模型分别用于对商品的不同属性类别进行特征分类,所述方法还包括训练所述属性分类子模型的步骤:
获取商品的同一属性类别对应的多张目标属性图像,所述目标属性图像标注有预设属性特征;
将多张目标属性图像,分别输入到所述属性分类子模型中进行特征分类,得到对应的目标属性特征;
依据所述预设属性特征和目标属性特征,确定出模型的损失函数值;
依据所述损失函数值,调整所述属性分类子模型的模型参数,并确定出训练完成的属性分类子模型。
7.根据权利要求1所述的商品检索方法,其特征在于,所述将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像,包括:
将所述待检索图像和商品库中的各商品图像分别形成图像对,并输入到商品检索模型中进行特征匹配,得到所述待检索图像和各商品图像之间的图像相似度;
筛选出所述图像相似度符合图像阈值条件的多张商品图像。
8.根据权利要求7所述的商品检索方法,其特征在于,所述筛选出所述图像相似度符合图像阈值条件的多张商品图像,包括:
筛选出所述图像相似度大于或等于第一阈值的多张商品图像;或者,
按降序对各图像相似度进行重排,并依序筛选出预设相似度个数的商品图像。
9.一种商品检索装置,其特征在于,所述装置包括:
图像获取模块,用于获取待检索图像;
图像匹配模块,用于将所述待检索图像和商品图像库进行图像相似度的匹配,筛选出所述图像相似度符合图像阈值条件的多张商品图像;
特征信息确定模块,用于确定出所述待检索图像和各商品图像对应的多个属性特征信息;
相似度确定模块,用于依据所述待检索图像和各商品图像对应的多个属性特征信息,确定出所述待检索图像和各商品图像之间的加权属性相似度;
图像展示模块,用于依据各加权属性相似度,按序排列对应的多张商品图像,并进行展示。
10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一所述的方法步骤。
11.一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,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211707643.0A CN115840831A (zh) | 2022-12-27 | 2022-12-27 | 一种商品检索方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211707643.0A CN115840831A (zh) | 2022-12-27 | 2022-12-27 | 一种商品检索方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115840831A true CN115840831A (zh) | 2023-03-24 |
Family
ID=85577550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211707643.0A Pending CN115840831A (zh) | 2022-12-27 | 2022-12-27 | 一种商品检索方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115840831A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117612047A (zh) * | 2024-01-23 | 2024-02-27 | 国网湖北省电力有限公司信息通信公司 | 基于ai大模型的电网用无人机巡检图像识别方法 |
-
2022
- 2022-12-27 CN CN202211707643.0A patent/CN115840831A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117612047A (zh) * | 2024-01-23 | 2024-02-27 | 国网湖北省电力有限公司信息通信公司 | 基于ai大模型的电网用无人机巡检图像识别方法 |
CN117612047B (zh) * | 2024-01-23 | 2024-04-12 | 国网湖北省电力有限公司信息通信公司 | 基于ai大模型的电网用无人机巡检图像识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341716B (zh) | 一种恶意订单识别的方法、装置及电子设备 | |
JP6402265B2 (ja) | 意思決定モデルを構築する方法、コンピュータデバイス及び記憶デバイス | |
EP3028184B1 (en) | Method and system for searching images | |
JP6825141B2 (ja) | 服飾コーディネーションの推薦方法および装置、電子デバイス、記憶媒体 | |
CA3066029A1 (en) | Image feature acquisition | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
CN112818162B (zh) | 图像检索方法、装置、存储介质和电子设备 | |
CN110580489B (zh) | 一种数据对象的分类系统、方法以及设备 | |
US20230169555A1 (en) | System and method for textual analysis of images | |
CN113255370A (zh) | 基于语义相似度的行业类型推荐方法、装置、设备及介质 | |
CN111540421B (zh) | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 | |
CN115840831A (zh) | 一种商品检索方法、装置、设备及存储介质 | |
CN113657087A (zh) | 信息的匹配方法及装置 | |
JP2024045510A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN112329660A (zh) | 一种场景识别方法、装置、智能设备及存储介质 | |
CN116069969A (zh) | 一种图像检索方法、装置及存储介质 | |
CN110851737A (zh) | 推荐方法、装置、电子设备及计算机存储介质 | |
CN107077617B (zh) | 指纹提取方法及装置 | |
CN113254687A (zh) | 图像检索、图像量化模型训练方法、装置和存储介质 | |
CN114595352A (zh) | 一种图像识别方法、装置、电子设备及可读存储介质 | |
CN111488479A (zh) | 超图构建方法、装置以及计算机系统和介质 | |
CN113781180A (zh) | 一种物品推荐方法、装置、电子设备及存储介质 | |
CN113536018A (zh) | 基于卷积神经网络的电商客服平台图像检索方法 | |
CN112446311A (zh) | 对象重识别方法、电子设备、存储介质及装置 | |
CN111708908A (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 |
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 |