CN116052063A - 商品信息处理方法、装置、存储介质及计算机设备 - Google Patents

Abstract

本发明公开了一种商品信息处理方法、装置、存储介质及计算机设备，涉及人工智能技术领域。其中方法包括：实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息；将所述图片信息输入到预训练的多分类推理模型中，得到商品标识信息；根据所述商品标识信息，判断所述商品是否已上架；若所述商品未上架，则在商品信息库中查询与所述商品标识信息对应的商品上架接口，并调用所述商品上架接口，在直播间上架所述商品。上述方法能够在直播间实时自动上架商品，不中断直播流程和节奏，不需要人工参与，有效的降低了人力成本，此外，上述方法简单方便，效率很高，出错率较低。

Description

商品信息处理方法、装置、存储介质及计算机设备

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种商品信息处理方法、装置、存储介质及计算机设备。

背景技术

直播购物是最近几年推出的一种全新的电商购物形式，与只用图片和文字简介吸引顾客的传统网上购物方式不同，在直播购物过程中，主播可以运用直播功能，实时地给观众展示商品，并进行互动沟通。

目前，直播电商异常火爆，很多直播间直播时间很长，上架商品很多，一场直播下来，被讲解的商品少则几十种，多则上百种商品，基于此，在直播过程中，商品上架的工作会非常频繁，且容易出错。在现有技术中，通常采用人工的方式进行商品上架，即通过人工的方式与主播沟通，确认上架哪个商品，并人工上架商品。然而，这种做法会中断直播流程和节奏，导致商品上架的效率较低，且出错率较高。

发明内容

有鉴于此，本申请提供了一种商品信息处理方法、装置、存储介质及计算机设备，主要目的在于解决直播间商品商家效率低和出错率高的技术问题。

根据本发明的第一个方面，提供了一种商品信息处理方法，该方法包括：

实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息；

将所述图片信息输入到预训练的多分类推理模型中，得到商品标识信息；

根据所述商品标识信息，判断所述商品是否已上架；

若所述商品未上架，则在商品信息库中查询与所述商品标识信息对应的商品上架接口，并调用所述商品上架接口，在直播间上架所述商品。

根据本发明的第二个方面，提供了一种商品信息处理装置，该装置包括：

图片获取模块，用于实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息；

标识确定模块，用于将所述图片信息输入到预训练的多分类推理模型中，得到商品标识信息；

上架判断模块，用于根据所述商品标识信息，判断所述商品是否已上架；

商品上架模块，用于若所述商品未上架，则在商品信息库中查询与所述商品标识信息对应的商品上架接口，并调用所述商品上架接口，在直播间上架所述商品。

根据本发明的第三个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述商品信息处理方法。

根据本发明的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述商品信息处理方法。

本发明提供的一种商品信息处理方法、装置、存储介质及计算机设备，首先，通过实时获取的直播视频流数据，确定当前展示的商品的图片信息，然后基于预训练的多分类推理模型，得到当前展示的商品的商品标识信息，进而判定当前展示的商品是否已上架，若未上架，则调用与商品标识信息对应的商品上架接口，在直播间直接上架当前展示的商品。上述方法能够在直播间实时自动上架商品，不中断直播流程和节奏，不需要人工参与，有效的降低了人力成本，此外，上述方法简单方便，效率很高，出错率较低。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了本发明实施例提供的一种商品信息处理方法的流程示意图；

图2示出了本发明实施例提供的另一种商品信息处理方法的流程示意图；

图3示出了本发明实施例提供的一种商品信息处理装置的结构示意图；

图4示出了本发明实施例提供的另一种商品信息处理装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在一个实施例中，如图1所示，提供了一种商品信息处理方法，以该方法应用于服务器等计算机设备为例进行说明，包括以下步骤：

101、实时获取直播视频流数据，并根据直播视频流数据，确定当前展示的商品的图片信息。

其中，直播视频流数据指的是通过客户端(如智能手机或平板电脑等)采集的直播过程中的图像信息和语音信息。在本实施例中，直播视频流数据包含连续的多帧视频图像帧以及视频录制过程中的语音信息。

具体的，服务器可以在客户端直播的过程中，实时获取客户端采集的直播视频流数据，并根据直播视频流数据中的视频图像帧，确定当前展示的商品的图片信息。在本实施例中，可以直接将视频图像帧作为当前展示的商品的图片信息，也可以通过像素点检测和分类网络模型识别的方式，预先判断视频图像帧中是否包含可检测物体，若视频图像帧中包含可检测物体，再将视频图像帧作为当前展示的商品的图片信息，若视频图像帧中不包含可检测物体，则不将视频图像帧作为当前展示的商品的图片信息。通过这种方式，可以减少图片的推理次数，从而降低服务器计算量，提高图像识别效率。

在本实施例中，像素点检测指的是预先设定一个像素值变化范围，当视频图像帧中的某一区域的像素值超过设定的像素值变化范围时，认为视频图像帧中包含可检测物体。需要说明的是，该方法需要先设定一个商品展示区域，并确保在没有商品展示的情况下，商品展示区的像素值在设定的像素值变化范围内，这种方法有一定的限制，但优势在于计算量较少。进一步的，分类网络模型识别指的是通过一个简单的二分类模型，判断视频图像帧中是否包含可检测物体，这种二分类网络模型目前较为常见，且计算量较小，也可以有效的排除掉一部分不包含展示商品的视频图像帧的分类推理过程。

进一步的，可以通过定时抽取的方式，选取直播视频流数据中的视频图像帧进行检测，不必每个视频图像帧都进行检测。此外，还可以预先划定一个图像区域，并截取出视频图像帧中的这一图像区域进行检测，通过这种方式，可以减少视频图像帧中环境信息的干扰，提升图片识别的准确度，同时能够降低服务器的数据计算量。

102、将图片信息输入到预训练的多分类推理模型中，得到商品标识信息。

具体的，可以将步骤101中确定的商品的图片信息输入到预训练的多分类推理模型中，得到与当前展示的商品对应的商品标识信息，其中，输入到多分类推理模型中的图片信息可以是直播视频流数据中的视频图像帧，也可以是在视频图像帧截取出的局部图像。在本实施例中，多分类推理模型可以根据商家待上架商品的图片信息和商品标识信息，基于深度学习的分类网络模型训练得到，通过将商品的图片信息输入到训练好的多分类推理模型中，即可输出相对应的商品标识信息。

103、根据商品标识信息，判断商品是否已上架。

其中，上架指的是将商品设置在商家直播间的虚拟货架上，用户可以通过点击虚拟货架对应的图标，查看虚拟货架上的商品，并根据自身的需求，选择虚拟货架上的商品进行下单操作。

具体的，可以根据识别出的商品标识信息，在商家直播间已上架的商品中查询是否存在相同的商品标识信息，若存在相同的商品标识信息，则判定当前展示的商品已上架，若不存在相同的商品标识信息，则判定当前展示的商品未上架。

104、若商品未上架，则在商品信息库中查询与商品标识信息对应的商品上架接口，并调用商品上架接口，在直播间上架商品。

具体的，若当前展示的商品未上架，则可以根据商品标识信息，在预先构建的商品信息库中查询与商品标识信息对应的商品上架接口，然后，通过将商家标识信息作为商品上架接口的入参，并调用该商品商家接口，即可将当前展示的商品设置在商家直播间的虚拟货架上，从而实现商品的自动上架。

本实施例提供的商品信息处理方法，首先，通过实时获取的直播视频流数据，确定当前展示的商品的图片信息，然后基于预训练的多分类推理模型，得到当前展示的商品的商品标识信息，进而判定当前展示的商品是否已上架，若未上架，则调用与商品标识信息对应的商品上架接口，在直播间直接上架当前展示的商品。上述方法能够在直播间实时自动上架商品，不中断直播流程和节奏，不需要人工参与，有效的降低了人力成本，此外，上述方法简单方便，效率很高，出错率较低。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的实施过程，提供了商品信息处理方法，如图2所示，该方法包括以下步骤：

201、构建商品信息库，其中，商品信息库中包括多个待上架商品的商品信息、商品标识信息和商品上架接口。

具体的，服务器可以首先获取多个待上架商品的商品信息，其中，所述商品信息包括商品名称、商品价格、商品图片和商品说明中的至少一种信息，然后，生成每个所述待上架商品的商品标识信息，并获取每个所述待上架商品的商品上架接口，最后，将每个所述待上架商品的商品信息、商品标识信息和商品上架接口映射存储在所述商品信息库中。

在本实施例中，商品信息库中存储有商家所有待上架商品的商品信息、商品标识信息和商品上架接口，其中，商品信息可以通过输入或批量导入的方式存储在商品信息库中，商品标识信息可以是商品信息入库后基于预设的规则生成的，也可以是商品信息入库前预先设置的，商品上架接口可以在数据库中获取，并与商品标识信息映射存储在商品信息库中。在本实施例中，商品标识信息是商品上架接口的入参，通过商品标识信息，即可将商品设置在商家直播间的虚拟货架上，从而实现商品的自动上架。

202、基于商品信息库构建商品数据集，其中，商品数据集包括商品信息库中每个待上架商品在多个角度下的图片信息和商品标识信息。

具体的，在构建好商品信息库之后，可以获取商品信息库中每个待上架商品在多个角度下的图片信息，并将每个待上架商品的图片信息和商品标识信息存储在一个数据表中，形成商品数据集。在本实施例中，针对每个待上架商品，可以从多个角度对商品的实物进行拍摄，得到每个待上架商品的多个图片信息，然后将每个图片信息与商品标识信息映射存储在商品数据集中。

203、基于商品数据集中的数据，对预设的分类网络模型进行训练，得到多分类推理模型。

具体的，可以基于商品数据集中的每个图片信息和与每个图片信息对应的商品标识信息，对预设的分类网络模型(如网络模型LeNet5、AlexNet等)进行训练，以得到多分类推理模型。在本实施例中，可以以每个待上架商品的图片信息作为输入，以每个待上架商品的商品标识信息作为输出，对分类网络模型进行迭代训练，当分类网络模型的分类准确度超过预设准确度时，例如超过97％时，即可停止训练，从而得到多分类推理模型。进一步的，通过将待上架商品的图片信息输入到训练好的多分类推理模块中，即可得到待上架商品的商品标识信息。

204、实时获取直播视频流数据，并根据直播视频流数据，确定当前展示的商品的图片信息。

具体的，服务器可以在客户端直播的过程中，实时获取客户端采集的直播视频流数据，并根据直播视频流数据中的视频图像帧，确定当前展示的商品的图片信息。在本实施例中，在获取到直播视频流数据之后，可以按照预设的时间间隔抽取视频图像帧，然后按照预设的坐标位置，在视频图像帧中截取出预设区域的目标图像，进而判断目标图像中是否包含物体信息，若目标图像中包含物体信息，则将目标图像设定为当前展示的商品的图片信息。需要说明的是，在视频图像帧中截取出的目标图像的大小与商品数据集中的图片信息的大小相同，从而便于后续通过目标图像识别出商品标识信息。

在本实施例中，通过定时抽取的方式选取直播视频流数据中的视频图像帧进行检测，可以有效的减少图片检测的数量，并且，通过设定合适的定时周期，也可以保障图片检测的实时性，从而满足商品识别的需求。进一步的，通过划定预设区域，并截取出视频图像帧中的预设区域作为目标图像进行检测，可以减少视频图像帧中环境信息的干扰，从而提升图片识别的准确度，同时也能够降低服务器的数据计算量。此外，判断目标图像中是否包含物体信息，可以通过像素点检测和分类网络模型识别的方式进行识别，若目标图像中包含物体信息，则将目标图像作为当前展示的商品的图片信息，若目标图像中不包含物体信息，则将裁剪出的目标图像丢弃，其中，像素点检测和分类网络模型识别的方法参见步骤101，这里不再赘述。通过这种方式，可以有效的减少图片的推理次数，从而降低服务器计算量，提高图像识别效率。

205、将图片信息输入到预训练的多分类推理模型中，得到商品标识信息。

具体的，可以将步骤204中输出的目标图像作为商品的图片信息，输入到训练好的多分类推理模型中，得到与目标图像对应的商品标识信息。通过这种方式，可以快速的识别出当前展示的商品的商品信息，从而提高商品识别的效率和准确率。

206、根据商品标识信息，判断商品是否已上架。

具体的，可以根据识别出的商品标识信息，在商家直播间已上架的商品中查询是否存在相同的商品标识信息，若存在相同的商品标识信息，则判定当前展示的商品已上架，若不存在相同的商品标识信息，则判定当前展示的商品未上架。

207、若商品未上架，则在商品信息库中查询与商品标识信息对应的商品上架接口，并调用商品上架接口，在直播间上架商品。

具体的，若当前展示的商品未上架，则可以根据商品标识信息，在预先构建的商品信息库中查询与商品标识信息对应的商品上架接口，然后，将商家标识信息作为商品上架接口的入参，并调用该商品商家接口，即可将当前展示的商品设置在商家直播间的虚拟货架上，从而实现商品的自动上架。

208、若商品已上架，则将当前展示的商品的展示位置设置为第一位，和/或将当前展示的商品输出至直播页面上。

具体的，若当前展示的商品已上架，则可以将当前展示的商品的展示位置设置为第一位，即将当前展示的商品在虚拟货架中置顶，从而提升商品的曝光率和点击率，同时也便于用户查找当前展示的商品在虚拟货架中的位置。此外，也可以将当前展示的商品输出至直播页面上，以使用户可以即时查看到当前展示的商品的商品信息，从而进一步提升商品的曝光率和点击率。

209、在直播视频数据流中提取出语音信息，当语音信息包含商品调价信息时，对当前展示的商品的价格进行修改，并输出商品修改后的价格。

具体的，在对直播视频数据流中的图像信息进行识别的同时，服务器还可以提取出直播视频数据流中的语音信息，并对语音信息进行识别，以判断语音信息中是否包含预设的商品调价信息，若语音信息中包含商品调价信息，则根据商品调价信息，确定商品的目标价格，最后根据商品的目标价格，对当前展示的商品的价格进行修改，并输出当前展示的商品修改后的价格。

进一步的，确定商品修改后的价格可以通过以下方法实现：首先，对直播视频数据流中的语音信息进行识别，判断语音信息中是否包含预设的调价关键词(如调整价格、加价、降价等)和数额关键词(如5元、10元等)，若语音信息中包含调价关键词和数额关键词，则判定语音信息中包含商品调价信息，进而根据调价关键词，确定商品的调价算法(如价格替换算法、加价算法、减价算法等)，最后基于商品的调价算法和数额关键词，确定商品的目标价格，从而利用商品的目标价格替换商品的当前价格，使得虚拟货架中商品价格被更新。

举例来说，当主播需要调整当前展示的商品的价格时，可以直接说出：“当前商品，调整价格为50元/件”，此时，服务器可以根据语音识别结果，将当前展示的商品的价格从60元/件修改为50元/件，或者，主播也可以说出：“当前商品，降价10元/件”，此时，服务器也可以根据语音识别结果，将当前展示的商品的价格从60元/件修改为50元/件。需要说明的是，当前展示的商品指的是在直播视频流数据中抽取出的最近一个视频图像帧对应的商品，在语音识别的过程中，如果最近一个视频图像帧对应的商品与此前的视频图像帧对应的商品不同，则表明当前展示的商品被更换，此时，待更改价格的商品默认为当前展示的商品。此外，通过语音方式更改价格的商品也可以不止针对当前展示的商品，还可以针对虚拟货架中的其他商品，此时，主播可以说出待更改价格的商品名称或商品标识信息，再说出商品调价信息，即可实现其他商品价格的修改。

本实施例提供的商品信息处理方法，能够实现直播间实时自动上架商品，不中断直播流程和节奏，不需要人工参与，或者非常少量的人工参与，有效的降低了人力成本。此外，在直播过程中，主播只需要说出商品的商品调价信息，即可自动调整当前商品的价格，简单方便，效率很高，出错率较低。

进一步的，作为图1、图2所示方法的具体实现，本实施例提供了一种商品信息处理装置，如图3所示，该装置包括：图片获取模块31、标识确定模块32、上架判断模块33和商品上架模块34。

图片获取模块31，可用于实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息；

标识确定模块32，可用于将所述图片信息输入到预训练的多分类推理模型中，得到商品标识信息；

上架判断模块33，可用于根据所述商品标识信息，判断所述商品是否已上架；

商品上架模块34，可用于若所述商品未上架，则在商品信息库中查询与所述商品标识信息对应的商品上架接口，并调用所述商品上架接口，在直播间上架所述商品。

在具体的应用场景中，如图4所示，本装置还包括信息库构建模块35，所述信息库构建模块35具体可用于获取多个待上架商品的商品信息，其中，所述商品信息包括商品名称、商品价格、商品图片和商品说明中的至少一种信息；生成每个所述待上架商品的商品标识信息，并获取每个所述待上架商品的商品上架接口；将每个所述待上架商品的商品信息、商品标识信息和商品上架接口映射存储在所述商品信息库中。

在具体的应用场景中，如图4所示，本装置还包括模型训练模块36，所述模型训练模块36具体可用于获取所述商品信息库中每个所述待上架商品在多个角度下的图片信息，并将每个所述待上架商品的图片信息和商品标识信息存储在商品数据集中；以每个所述待上架商品的图片信息作为输入，以每个所述待上架商品的商品标识信息作为输出，对预设的分类网络模型进行迭代训练；当所述分类网络模型的分类准确度超过预设准确度时，停止训练，得到所述多分类推理模型。

在具体的应用场景中，所述图片获取模块31，具体可用于实时获取直播视频流数据，并按照预设的时间间隔抽取视频图像帧；按照预设的坐标位置，在所述视频图像帧中截取出预设区域的目标图像；判断所述目标图像中是否包含物体信息；若所述目标图像中包含物体信息，则将所述目标图像设定为当前展示的商品的图片信息。

在具体的应用场景中，如图4所示，本装置还包括价格更新模块37，所述价格更新模块37具体可用于在所述直播视频数据流中提取出语音信息；对所述语音信息进行识别，判断所述语音信息中是否包含商品调价信息；若所述语音信息中包含商品调价信息，则根据所述商品调价信息，确定商品的目标价格；根据所述目标价格，对所述当前展示的商品的价格进行修改，并输出所述商品修改后的价格。

在具体的应用场景中，所述价格更新模块37，具体可用于对所述语音信息进行识别，判断所述语音信息中是否包含预设的调价关键词和数额关键词；若所述语音信息中包含所述调价关键词和所述数额关键词，则判定所述语音信息中包含商品调价信息；根据所述调价关键词，确定商品的调价算法，并基于所述调价算法和所述数额关键词，确定所述商品的目标价格。

在具体的应用场景中，如图4所示，本装置还包括商品展示模块38，所述商品展示模块38可用于若所述商品已上架，则将所述当前展示的商品的展示位置设置为第一位，和/或将所述当前展示的商品输出至直播页面上。

需要说明的是，本实施例提供的一种商品信息处理装置所涉及各功能单元的其它相应描述，可以参考图1、图2中的对应描述，在此不再赘述。

基于上述如图1、图2所示方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1、图2所示的商品信息处理方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该待识别软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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场景所述的方法。

基于上述如图1、图2所示的方法，以及图3和图4所示的商品信息处理装置实施例，为了实现上述目的，如图4所示，本实施例还提供了一种商品信息处理的计算机设备，具体可以为个人计算机、服务器、智能手机、平板电脑、智能手表、或者其它网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序和操作系统；处理器，用于执行计算机程序以实现上述如图1和图2所示的方法。

可选的，该计算机设备还可以包括内存储器、通信接口、网络接口、摄像头、射频(Radio Frequency，RF)电路，传感器、音频电路、WI-FI模块、显示屏(Display)、输入装置比如键盘(Keyboard)等，可选的，通信接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的一种操作动作的识别的计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和待识别软件资源的程序，支持信息处理程序以及其它待识别软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理计算机设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，首先通过实时获取的直播视频流数据，确定当前展示的商品的图片信息，然后基于预训练的多分类推理模型，得到当前展示的商品的商品标识信息，进而判定当前展示的商品是否已上架，若未上架，则调用与商品标识信息对应的商品上架接口，在直播间直接上架当前展示的商品。与现有技术相比，上述方法能够在直播间实时自动上架商品，不中断直播流程和节奏，不需要人工参与，有效的降低了人力成本，此外，上述方法简单方便，效率很高，出错率较低。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种商品信息处理方法，其特征在于，所述方法包括：

实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息；

将所述图片信息输入到预训练的多分类推理模型中，得到商品标识信息；

根据所述商品标识信息，判断所述商品是否已上架；

若所述商品未上架，则在商品信息库中查询与所述商品标识信息对应的商品上架接口，并调用所述商品上架接口，在直播间上架所述商品。

2.根据权利要求1所述的方法，其特征在于，在所述实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息之前，所述方法还包括：

获取多个待上架商品的商品信息，其中，所述商品信息包括商品名称、商品价格、商品图片和商品说明中的至少一种信息；

生成每个所述待上架商品的商品标识信息，并获取每个所述待上架商品的商品上架接口；

将每个所述待上架商品的商品信息、商品标识信息和商品上架接口映射存储在所述商品信息库中。

3.根据权利要求2所述的方法，其特征在于，所述多分类推理模型的训练过程，包括：

获取所述商品信息库中每个所述待上架商品在多个角度下的图片信息，并将每个所述待上架商品的图片信息和商品标识信息存储在商品数据集中；

以每个所述待上架商品的图片信息作为输入，以每个所述待上架商品的商品标识信息作为输出，对预设的分类网络模型进行迭代训练；

当所述分类网络模型的分类准确度超过预设准确度时，停止训练，得到所述多分类推理模型。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息，包括：

实时获取直播视频流数据，并按照预设的时间间隔抽取视频图像帧；

按照预设的坐标位置，在所述视频图像帧中截取出预设区域的目标图像；

判断所述目标图像中是否包含物体信息；

若所述目标图像中包含物体信息，则将所述目标图像设定为当前展示的商品的图片信息。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述直播视频数据流中提取出语音信息；

对所述语音信息进行识别，判断所述语音信息中是否包含商品调价信息；

若所述语音信息中包含商品调价信息，则根据所述商品调价信息，确定商品的目标价格；

根据所述目标价格，对所述当前展示的商品的价格进行修改，并输出所述商品修改后的价格。

6.根据权利要求5所述的方法，其特征在于，所述对所述语音信息进行识别，判断所述语音信息中是否包含商品调价信息，包括：

对所述语音信息进行识别，判断所述语音信息中是否包含预设的调价关键词和数额关键词；

所述若所述语音信息中包含商品调价信息，则根据所述商品调价信息，确定商品的目标价格，包括：

若所述语音信息中包含所述调价关键词和所述数额关键词，则判定所述语音信息中包含商品调价信息；

根据所述调价关键词，确定商品的调价算法，并基于所述调价算法和所述数额关键词，确定所述商品的目标价格。

7.根据权利要求1所述的方法，其特征在于，在所述根据所述商品标识信息，判断所述商品是否已上架之后，所述方法还包括：

若所述商品已上架，则将所述当前展示的商品的展示位置设置为第一位，和/或将所述当前展示的商品输出至直播页面上。

8.一种商品信息处理装置，其特征在于，所述装置包括：

图片获取模块，用于实时获取直播视频流数据，并根据所述直播视频流数据，确定当前展示的商品的图片信息；

标识确定模块，用于将所述图片信息输入到预训练的多分类推理模型中，得到商品标识信息；

上架判断模块，用于根据所述商品标识信息，判断所述商品是否已上架；

商品上架模块，用于若所述商品未上架，则在商品信息库中查询与所述商品标识信息对应的商品上架接口，并调用所述商品上架接口，在直播间上架所述商品。

9.一种存储介质，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权利要求1至7中任一项所述的方法的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images