JP6709320B6 - 畳み込みニューラルネットワーク画像認識技術による会計方法及び会計設備 - Google Patents
畳み込みニューラルネットワーク画像認識技術による会計方法及び会計設備 Download PDFInfo
- Publication number
- JP6709320B6 JP6709320B6 JP2019502005A JP2019502005A JP6709320B6 JP 6709320 B6 JP6709320 B6 JP 6709320B6 JP 2019502005 A JP2019502005 A JP 2019502005A JP 2019502005 A JP2019502005 A JP 2019502005A JP 6709320 B6 JP6709320 B6 JP 6709320B6
- Authority
- JP
- Japan
- Prior art keywords
- products
- product
- classification
- image
- accounting
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 54
- 238000013527 convolutional neural network Methods 0.000 title claims description 36
- 238000005516 engineering process Methods 0.000 title claims description 24
- 238000003384 imaging method Methods 0.000 claims description 104
- 238000013145 classification model Methods 0.000 claims description 50
- 238000001514 detection method Methods 0.000 claims description 35
- 238000012417 linear regression Methods 0.000 claims description 32
- 238000012706 support-vector machine Methods 0.000 claims description 14
- 238000012790 confirmation Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 8
- 239000000047 product Substances 0.000 claims 70
- 239000013065 commercial product Substances 0.000 claims 1
- 238000010276 construction Methods 0.000 claims 1
- 239000013598 vector Substances 0.000 description 10
- 229910052500 inorganic mineral Inorganic materials 0.000 description 7
- 239000011707 mineral Substances 0.000 description 7
- 235000010755 mineral Nutrition 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 241000220225 Malus Species 0.000 description 4
- 241000287420 Pyrus x nivalis Species 0.000 description 3
- 235000021016 apples Nutrition 0.000 description 3
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 229910000029 sodium carbonate Inorganic materials 0.000 description 1
- 235000017550 sodium carbonate Nutrition 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
- G06Q20/208—Input by product or record sensing, e.g. weighing or scanner processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- 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
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/0036—Checkout procedures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Description
上記の会計方法において、好ましくは、分類しようとするM個の商品の真上に1つの撮像ヘッドを配置して、M個の前記商品を真上から下へ向いて撮像して画像を取得し、分類しようとするM個の前記商品の周りに4つの撮像ヘッドを配置して、M個の前記商品を斜め上から撮像して画像を取得する。
商品を確実に認識でき、自助会計に便利である。
会計効率を高めるために、本発明の実施例は、特に、顧客がM個の商品(Mは2以上の自然数である)をレジカウンターに載置する場合に適用されている。
レジカウンターに載置して分類しようとするM個の商品のN枚の画像(Nは2以上の自然数である)であって、M個の商品をM個の商品の真上から下へ向いて撮像する撮像角度である第1撮像角度を少なくとも1つ有するN個の撮像角度に1対1で対応するN枚の画像を取得する取得ステップ101と、
まず第1撮像角度で取得された画像に目標検出を行うことで、M個の商品に1対1で対応するM個の、商品を含む矩形領域画像である第1矩形領域画像を取得し、そして第1矩形領域画像の数に応じてN枚の画像における残りの画像にそれぞれ目標検出を行うことで、M個の商品に1対1で対応するM個の、商品を含む矩形領域画像である残り矩形領域画像を各画像から取得する目標検出ステップ102と、
第1矩形領域画像と、残り矩形領域画像と、事前訓練された、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における全ての商品で訓練されたモデルである1次分類モデルとに基づいて、各商品に対応するN個のプライマリー分類結果を取得し、各商品に対応するN個のプライマリー分類結果と事前訓練された1次線形回帰モデルとに基づいて、各商品に対応する1次分類結果を取得する第1分類ステップ103と、
各商品に対応する1次分類結果を各商品の1回目の分類結果とする確認ステップ104と、
各商品の1回目の分類結果に基づいてM個の商品を会計する会計ステップ105と、を含んでいる。
ステップ201において、レジカウンターに載置して分類しようとするM個の商品のN枚の画像を取得する。前記N枚の画像は、少なくとも1つの、M個の商品をM個の商品の真上から下へ向いて撮像する撮像角度である第1撮像角度を有するN個の撮像角度に1対1で対応している。
取得動作(又は撮像動作と称する)は、レジカウンターに配置される秤により触発され得る。例えば、秤は、圧力センサーを備える秤であり、秤が感知した重量の変化に基づいて撮像を触発するか否かを決定する。秤が重量の変化を感知し、また該変化が既に安定したと感知したとき、例えば、予定時間(即ち、重量が変化した時刻を初期時刻とし、初期時刻+予定時間を終了時刻とする時間帯)内に重量が変化しないとき、撮像ヘッドは、撮像を始める。このように条件を満たす画像を撮像することが保証できる。つまり、顧客が商品を載置した後、その時刻の画像を撮像できる。他の実施例において、撮像ヘッドの撮像動作の触発は、図形認識や計算機視覚の技術手段を利用してもよい。撮像ヘッドは、まず、物品が載置される領域を継続的に観察及び撮像し、例えば、顧客の手が差し込み、1つの商品を下ろし、そして手を離すこのような1つの動作をビデオから捕らえることができたとき、初期時刻を記録し、予定時間(即ち、該動作を捕捉した時刻を初期時刻とし、初期時刻+予定時間を終了時刻とする時間帯)内にこのような動作をビデオから捕らえることができたとき、撮像が指令されて、撮像ヘッドは触発されて撮像する。
具体的には、まず第1撮像角度で取得された画像に目標検出を行う時に、該画像からM個の商品を含む矩形枠(または矩形領域と称する)を切り出し、ステップ203に出力する。各矩形枠には、1つの商品が含まれ、該矩形枠に対応する画像(または第1矩形領域画像と称する)は、商品を分類するための画像である。矩形枠の数は、分類しようとする商品の数と同一である。遮蔽がないため、M個の商品の真上から下へ向いて撮像して取得された画像により、レジカウンターに載置して分類しようとする商品の数を確実に確定できる。この数に基づいて、他の撮像角度で取得された各画像に目標検出を行う時に、他の撮像角度での各画像から商品の数と同一の矩形枠を切り出し、ステップ203に出力する。各矩形枠には、1つの商品も含まれ、該矩形枠に対応する画像(または残り矩形領域画像と称する)は、商品を分類するための画像である。商品の数Mが4個であり、画像の数Nが5枚であり、第1撮像角度で取得された画像が1枚である場合、商品を含む矩形領域に対応する4つの画像を第1撮像角度で取得された画像から取得し、商品を含む矩形領域に対応する4つの画像を残りの4枚の画像のそれぞれから取得する。
具体的には、データを取得してデータセットを作成する。データを取得する過程は、1)ショッピング場所における全ての商品を各角度及び各姿勢で撮像して大量の写真を取得することと、2)そしてこれらの写真に関して注記を行い、例えば、写真中の商品の位置、大きさ及び類別を注記することと、を含む。データセットに含まれるデータとは、前述のこれらの写真及びこれらの写真に関して行われた注記である。1次分類モデルは、畳み込みニューラルネットワーク画像認識技術によるフレームワークのモデルであり、ショッピング場所における全ての商品のデータを用いて1次分類モデルが訓練される。訓練する時に勾配降下の方式で行うことができる。
具体的には、ステップ203において、1次分類モデルを訓練しているときに、1次分類モデルが出力するプライマリー分類結果を1次線形回帰モデルの入力とし、該プライマリー分類結果に対応する画像に含まれる商品の正しい分類を1次線形回帰モデルの出力とすることで、1次線形回帰モデルを訓練する。訓練された1次線形回帰モデルによって各商品のN個のプライマリー分類結果をデータ融合して1つの1次分類結果を得る。該1次分類結果は、1次線形回帰モデルによって画像中の商品がショッピング場所における商品の中のどの類別に属することを予測した結果を示している。
具体的には、ステップ203において作成したデータセット中の類似する商品のデータで2次分類モデルを訓練する。訓練する時に勾配降下の方式によって行うことができる。2次分類モデルは、訓練する時に用いるデータという点において1次分類モデルとは異なる。1次分類モデルに用いられるデータはショッピング場所における全ての商品のデータであり、2次分類モデルに用いられるデータはショッピング場所における類似する商品のデータである。
2次分類モデルを訓練するとき、2次分類モデルが出力するセカンダリー分類結果を2次線形回帰モデルの入力とし、該セカンダリー分類結果に対応する画像に含まれる商品の正確な分類を2次線形回帰モデルの出力とするように、2次線形回帰モデルを訓練する。訓練された2次線形回帰モデルによって、類似する商品に対応するN個のセカンダリー分類結果のデータ融合を行い、1つのセカンダリー分類結果を得るとともに、それを類似する商品の1回目の分類結果とする。該セカンダリー分類結果は、2次線形回帰モデルによって画像中の商品がショッピング場所における商品の中のどの類別に属するかを予測した結果を表している。
具体的には、1回目の分類結果を取得した後、1回目の分類結果に対応する商品の価格を取得し、さらにレジカウンターに載置されたM個の商品の価格を取得すれば、顧客がレジカウンターに載置した商品のために支払うべき費用を確定することができる。商品名称と、商品価格と、支払い費用と、をレジカウンターに備えられているディスプレイに表示してもよく、また音声によって商品名称を顧客に提示してもよい。顧客が費用を支払うとき、ディスプレイに表示される二次元コードを走査することによって、又は携帯端末に表示される自分の口座の二次元コードをレジカウンターに備えられているコードスキャナ端末に合わせて走査させることによって支払いを済ませることが可能である。
図3に示されているように、分類エラーを回避し、会計の正確率を高めるために、ステップ206の前に、さらに、ステップ207を含んでもよい。
具体的には、ショッピング場所における商品ごとにサポートベクトルマシンの機械学習モデル(又はサポートベクトルマシンモデルと称する)を構築する。即ち、商品ごとは、それに対応するサポートベクトルマシンモデルを有し、ステップ203において作成されたデータセット中の商品に対応するデータを用いて該モデルを訓練する。1次分類モデルを構築するときに、1つの中間計算結果が存在し、それは、長さが1024となるベクトルである。該ベクトルは、画像の1つの特徴と見なすことができ、そうすることによって該ベクトルから該商品はある類別の商品に属するか否かを判断するための1つのサポートベクトルマシンモデルを構築する。
取得装置301は、レジカウンターに載置して分類しようとするM個の商品のN枚の画像を取得する。N枚の画像は、N個の撮像角度に1対1で対応する。N個の撮像角度は、少なくとも1つの第1撮像角度を有する。第1撮像角度は、M個の商品をM個の商品の真上から下へ向いて撮像する撮像角度である。M、Nのそれぞれは2以上の自然数である。
目標検出装置302は、まず第1撮像角度で取得された画像に目標検出を行うことで、M個の商品に1対1で対応するM個の第1矩形領域画像を取得し、そして第1矩形領域画像の数に応じてN枚の画像における残りの画像にそれぞれ目標検出を行うことで、M個の商品に1対1で対応するM個の残り矩形領域画像を各画像から取得する。
確認装置304は、各商品に対応する1次分類結果を各商品の1回目の分類結果とする。
該会計設備は、1次分類結果が類似する商品であるとき、類似する商品に対応する第1矩形領域画像と、残り矩形領域画像と、事前訓練された2次分類モデルとに基づいて、類似する商品に対応するN個のセカンダリー分類結果を取得し、そしてN個のセカンダリー分類結果と事前訓練された2次線形回帰モデルとに基づいて、類似する商品に対応する2次分類結果を取得し、2次分類結果を類似する商品の1回目の分類結果とする第2分類装置をさらに備え、対応的に、会計装置は、1次分類結果が類似する商品であるとき、第2分類装置で取得された2次分類結果に基づいて会計を行い、そうではないとき、第1分類装置で取得された1次分類結果に基づいて会計を行う。ここで、2次分類モデルは、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における類似する商品で訓練されたモデルである。
なお、取得装置301についての具体的な説明は、上記の実施例におけるステップ101と201に関連する内容を参照し得る。目標検出装置302についての具体的な説明は、上記の実施例におけるステップ102と203に関連する内容を参照し得る。第1分類装置303についての具体的な説明は、上記の実施例におけるステップ103と203に関連する内容を参照し得る。確認装置304についての具体的な説明は、上記の実施例におけるステップ104と204に関連する内容を参照し得る。会計装置305についての具体的な説明は、上記の実施例におけるステップ105と206に関連する内容を参照し得る。第2分類装置についての具体的な説明は、上記の実施例におけるステップ205に関連する内容を参照し得る。判断装置と選別装置についての具体的な説明は、上記の実施例におけるステップ207に関連する内容を参照し得る。ここで一々その詳細な重複説明を省略する。
また、下記においては、本発明に係る畳み込みニューラルネットワーク画像認識技術による会計設備の他の実施例を説明する。この会計設備は、撮像ヘッドと、プロセッサ及びメモリを備えている。
顧客が清算する過程において、秤量台に1本のミネラルウォーター及び1袋のクアズが順に載置した。秤量台の電子秤が重量の変化を検出し、そして重量領域が安定になった時に、5つの撮像ヘッドからデータを取得し始め、5枚の写真を取得した。まず、この5枚の写真を画一的にある予め設定された寸法まで縮小/拡大し、そして目標検出モデルにより真上から下へ向いてミネラルウォーター及びクアズである商品を検出する。検出結果は、写真において見つかった商品を含む2つの矩形領域である。商品の数は2つであるため、矩形領域の数は2つである。その後、目標検出モデルによって残りの4枚の写真に対し、数を2つとして商品検出を行う。検出結果も、各写真において見つかった商品を含む2つの矩形領域である。次に、1次分類モデルによって各商品に対応する各矩形領域を分類することで、各商品が各類別の商品に属する確率を得る。その後、各商品の全ての確率結果は、1つの1次線形回帰モデルの使用によって、全ての商品類別における各商品の1次分類結果が得られる。該1次分類結果が2次分類モデルによってさらに分類される必要がある商品類別に属する場合、つまり、1次分類結果が類似する商品である場合、対応の2次分類モデルを使用し、類似する商品に対応する各矩形領域を分類し、該商品が各類別に属するそれぞれの確率値を得る。そして2次線形回帰モデルの使用により該物体は全ての商品類別での分類結果が得られる。最後には、該類別のサポートベクトルマシンモデル(又は小モデルと称する)によって、5枚の写真中の矩形領域を判断し、該商品が該類別に属するか否かを判別する。そうであると判別するときは、該商品類別に戻り、そうではないと判別するときは、該物品がいずれかの商品類別に属しないと認定する。
商品を確実に認識でき、自助会計に便利である。
Claims (10)
- レジカウンターに載置して分類しようとするM個の商品のN枚の画像であって、M個の商品をM個の商品の真上から下へ向いて撮像する撮像角度である第1撮像角度を少なくとも1つ有するN個の撮像角度に1対1で対応するN枚の画像を取得する取得ステップと、
まず前記第1撮像角度で取得された画像に目標検出を行うことで、M個の商品に1対1で対応するM個の第1矩形領域画像を取得し、そして前記第1矩形領域画像の数に応じてN枚の前記画像における残りの画像にそれぞれ目標検出を行うことで、M個の商品に1対1で対応するM個の残り矩形領域画像を各画像から取得する目標検出ステップと、
前記第1矩形領域画像と、前記残り矩形領域画像と、事前訓練された、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における全ての商品で訓練されたモデルである1次分類モデルとに基づいて、各商品に対応するN個のプライマリー分類結果を取得し、各商品に対応するN個の前記プライマリー分類結果と事前訓練された1次線形回帰モデルとに基づいて、各商品に対応する1次分類結果を取得する第1分類ステップと、
各商品に対応する前記1次分類結果を各商品の1回目の分類結果とする確認ステップと、
各商品の前記1回目の分類結果に基づいてM個の商品を会計する会計ステップと、
を含んでおり、
M、Nは、2以上の自然数であることを特徴とする畳み込みニューラルネットワーク画像認識技術による会計方法。 - 前記1次分類結果が類似する商品であるとき、第1分類ステップの後、確認ステップの前に、前記類似する商品に対応する前記第1矩形領域画像と、前記残り矩形領域画像と、事前訓練された2次分類モデルとに基づいて、前記類似する商品に対応するN個のセカンダリー分類結果を取得し、そしてN個の前記セカンダリー分類結果と事前訓練された2次線形回帰モデルとに基づいて、前記類似する商品に対応する2次分類結果を取得し、前記2次分類結果を前記類似する商品の1回目の分類結果とし、前記会計ステップへ移行し、前記1次分類結果が類似する商品でないとき、確認ステップへ移行する、第2分類ステップをさらに含んでおり、
前記2次分類モデルは、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における類似する商品で訓練されたモデルであることを特徴とする請求項1に記載の会計方法。 - 確認ステップの後、会計ステップの前に、各商品に対応する第1矩形領域画像と、残り矩形領域画像と、各商品の前記1回目の分類結果に対応する事前訓練されたサポートベクトルマシンモデルとに基づいて、画像中の商品が前記1回目の分類結果と一致するか否かを判断し、一致であるときは、会計ステップへ移行し、一致でないときは、商品は在庫がないことを顧客に提示するステップをさらに含んでいることを特徴とする請求項1又は2に記載の会計方法。
- 分類しようとするM個の商品の真上に1つの撮像ヘッドを配置して、M個の前記商品を真上から下へ向いて撮像して画像を取得し、
分類しようとするM個の前記商品の周りに4つの撮像ヘッドを配置して、M個の前記商品を斜め上から撮像して画像を取得することを特徴とする請求項1に記載の会計方法。 - レジカウンターに載置して分類しようとするM個の商品のN枚の画像であって、M個の商品をM個の商品の真上から下へ向いて撮像する撮像角度である第1撮像角度を少なくとも1つ有するN個の撮像角度に1対1で対応するN枚の画像を取得する取得装置と、
まず前記第1撮像角度で取得された画像に目標検出を行うことで、M個の商品に1対1で対応するM個の第1矩形領域画像を取得し、そして前記第1矩形領域画像の数に応じてN枚の前記画像における残りの画像にそれぞれ目標検出を行うことで、M個の商品に1対1で対応するM個の残り矩形領域画像を各画像から取得する目標検出装置と、
前記第1矩形領域画像と、前記残り矩形領域画像と、事前訓練された、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における全ての商品で訓練されたモデルである1次分類モデルとに基づいて、各商品に対応するN個のプライマリー分類結果を取得し、各商品に対応するN個の前記プライマリー分類結果と事前訓練された1次線形回帰モデルとに基づいて、各商品に対応する1次分類結果を取得する第1分類装置と、
各商品に対応する前記1次分類結果を各商品の1回目の分類結果とする確認装置と、
各商品の前記1回目の分類結果に基づいてM個の商品を会計する会計装置と、を備えており、
M、Nは、2以上の自然数であることを特徴とする畳み込みニューラルネットワーク画像認識技術による会計設備。 - 前記1次分類結果が類似する商品であるとき、前記類似する商品に対応する前記第1矩形領域画像と、前記残り矩形領域画像と、事前訓練された、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における類似する商品で訓練されたモデルである2次分類モデルとに基づいて、前記類似する商品に対応するN個のセカンダリー分類結果を取得し、そしてN個の前記セカンダリー分類結果と事前訓練された2次線形回帰モデルとに基づいて、前記類似する商品に対応する2次分類結果を取得し、前記2次分類結果を前記類似する商品の1回目の分類結果とする第2分類装置をさらに備え、
対応的に、前記会計装置は、前記1次分類結果が類似する商品であるとき、前記第2分類装置で取得された2次分類結果に基づいて会計を行い、そうではないとき、前記第1分類装置で取得された1次分類結果に基づいて会計を行うことを特徴とする請求項5に記載の会計設備。 - 各商品に対応する第1矩形領域画像と、残り矩形領域画像と、各商品の前記1回目の分類結果に対応する事前訓練されたサポートベクトルマシンモデルとに基づいて、画像中の商品が1回目の分類結果と一致するか否かを判断する判断装置と、
一致であるときは、前記会計装置を使用し、そうではないときは、商品は在庫がないことを顧客に提示する選択装置と、をさらに備えていることを特徴とする請求項5に記載の会計設備。 - 前記取得装置は撮像ヘッドであり、
分類しようとするM個の商品の真上に1つの撮像ヘッドを配置して、M個の前記商品を真上から下へ向いて撮像して画像を取得し、
分類しようとするM個の前記商品の周りに4つの撮像ヘッドを配置して、M個の前記商品を斜め上から撮像して画像を取得することを特徴とする請求項5に記載の会計設備。 - レジカウンターに載置して分類しようとするM個の商品のN枚の画像であって、M個の商品をM個の商品の真上から下へ向いて撮像する撮像角度である第1撮像角度を少なくとも1つ有するN個の撮像角度に1対1で対応するN枚の画像を取得するN個の撮像ヘッドと、
プロセッサと、
プロセッサが実行可能なコマンドを記憶するメモリと、を備え、
前記プロセッサは、
まず前記第1撮像角度で取得された画像に目標検出を行うことで、M個の商品に1対1で対応するM個の第1矩形領域画像を取得し、そして前記第1矩形領域画像の数に応じてN枚の前記画像における残りの画像にそれぞれ目標検出を行うことで、M個の商品に1対1で対応するM個の残り矩形領域画像を各画像から取得し、前記第1矩形領域画像と、前記残り矩形領域画像と、事前訓練された、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における全ての商品で訓練されたモデルである1次分類モデルとに基づいて、各商品に対応するN個のプライマリー分類結果を取得し、各商品に対応するN個の前記プライマリー分類結果と事前訓練された1次線形回帰モデルとに基づいて、各商品に対応する1次分類結果を取得し、各商品に対応する前記1次分類結果を各商品の1回目の分類結果として、各商品の前記1回目の分類結果に基づいてM個の商品を会計するように構成され、
M、Nは2以上の自然数であることを特徴とする畳み込みニューラルネットワーク画像認識技術による会計設備。 - 前記プロセッサは、さらに、
前記1次分類結果が類似する商品であるときは、前記類似する商品に対応する前記第1矩形領域画像と、前記残り矩形領域画像と、事前訓練された、畳み込みニューラルネットワーク画像認識技術で構築されかつショッピング場所における類似する商品で訓練されたモデルである2次分類モデルとに基づいて、前記類似する商品に対応するN個のセカンダリー分類結果を取得し、そしてN個の前記セカンダリー分類結果と事前訓練された2次線形回帰モデルとに基づいて、前記類似する商品に対応する2次分類結果を取得し、前記2次分類結果を前記類似する商品の1回目の分類結果とし、そうではないときは、前記1次分類結果を1回目の分類結果とするように構成されていることを特徴とする請求項9に記載の会計設備。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710607759.X | 2017-07-24 | ||
CN201710607759 | 2017-07-24 | ||
CN201711008973.XA CN109300263A (zh) | 2017-07-24 | 2017-10-25 | 基于卷积神经网络的图像识别技术的结算方法和装置 |
CN201711008973.X | 2017-10-25 | ||
PCT/CN2017/115443 WO2019019525A1 (zh) | 2017-07-24 | 2017-12-11 | 基于卷积神经网络的图像识别技术的结算方法和装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019536121A JP2019536121A (ja) | 2019-12-12 |
JP6709320B2 JP6709320B2 (ja) | 2020-06-10 |
JP6709320B6 true JP6709320B6 (ja) | 2020-08-05 |
Family
ID=63804471
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018567956A Active JP6709862B6 (ja) | 2017-07-24 | 2017-09-08 | 畳み込みニューラルネットワーク画像認識技術による会計方法及び設備 |
JP2019502005A Active JP6709320B6 (ja) | 2017-07-24 | 2017-12-11 | 畳み込みニューラルネットワーク画像認識技術による会計方法及び会計設備 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018567956A Active JP6709862B6 (ja) | 2017-07-24 | 2017-09-08 | 畳み込みニューラルネットワーク画像認識技術による会計方法及び設備 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10853702B2 (ja) |
JP (2) | JP6709862B6 (ja) |
CN (4) | CN109299715B (ja) |
WO (2) | WO2019019291A1 (ja) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190034897A1 (en) | 2017-07-26 | 2019-01-31 | Sbot Technologies Inc. | Self-Checkout Anti-Theft Vehicle Systems and Methods |
US11562614B2 (en) * | 2017-12-25 | 2023-01-24 | Yi Tunnel (Beijing) Technology Co., Ltd. | Method, a device and a system for checkout |
US20200151692A1 (en) * | 2018-04-18 | 2020-05-14 | Sbot Technologies, Inc. d/b/a Caper Inc. | Systems and methods for training data generation for object identification and self-checkout anti-theft |
JP7218984B2 (ja) * | 2018-04-27 | 2023-02-07 | 日本電気株式会社 | 商品登録装置、商品登録方法及びプログラム |
CN111222388B (zh) * | 2018-12-11 | 2023-09-19 | 图灵通诺(北京)科技有限公司 | 基于视觉识别的结算方法和系统 |
JP7261022B2 (ja) * | 2019-01-30 | 2023-04-19 | キヤノン株式会社 | 情報処理システム、端末装置及びその制御方法、プログラム、記憶媒体 |
CN109816045A (zh) * | 2019-02-11 | 2019-05-28 | 青岛海信智能商用系统股份有限公司 | 一种商品识别方法及装置 |
JP7398779B2 (ja) * | 2019-02-12 | 2023-12-15 | 株式会社イシダ | 計量機 |
CN109919086A (zh) * | 2019-03-05 | 2019-06-21 | 北京美餐巧达科技有限公司 | 一种基于图像识别的智能餐台系统及结算方法 |
US11170186B2 (en) * | 2019-03-29 | 2021-11-09 | Ncr Corporation | Scanner bar |
CN110032654B (zh) * | 2019-04-19 | 2021-02-09 | 浪潮集团有限公司 | 一种基于人工智能的超市商品录入方法及系统 |
CN110414559B (zh) * | 2019-06-26 | 2021-09-03 | 武汉大学 | 智能零售柜商品目标检测统一框架的构建方法及商品识别方法 |
US11128737B1 (en) * | 2019-08-28 | 2021-09-21 | Massachusetts Mutual Life Insurance Company | Data model monitoring system |
CN110718016A (zh) * | 2019-09-02 | 2020-01-21 | 上海理工大学 | 一种生鲜自助售卖系统 |
CN110706075B (zh) * | 2019-09-27 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 一种基于ai模型的物料铺设的方法和设备 |
CN110781823B (zh) * | 2019-10-25 | 2022-07-26 | 北京字节跳动网络技术有限公司 | 录屏检测方法、装置、可读介质及电子设备 |
US11743418B2 (en) | 2019-10-29 | 2023-08-29 | Accel Robotics Corporation | Multi-lighting conditions rapid onboarding system for visual item classification |
US11205094B2 (en) | 2019-10-29 | 2021-12-21 | Accel Robotics Corporation | Multi-angle rapid onboarding system for visual item classification |
CN110987140A (zh) * | 2019-11-28 | 2020-04-10 | 浙江由由科技有限公司 | 一种商品称重辅助设备及称重设备 |
CN111062786B (zh) * | 2019-12-25 | 2023-05-23 | 创新奇智(青岛)科技有限公司 | 一种基于建立商品外观特征映射表的模型更新方法 |
CN111104988B (zh) * | 2019-12-28 | 2023-09-29 | Oppo广东移动通信有限公司 | 图像识别方法及相关装置 |
CN111401499A (zh) * | 2020-02-11 | 2020-07-10 | 王娅雯 | 一种基于ai条形码防伪的方法 |
US11809999B2 (en) * | 2020-02-24 | 2023-11-07 | Zebra Technologies Corporation | Object recognition scanning systems and methods for implementing artificial based item determination |
CN111368900A (zh) * | 2020-02-28 | 2020-07-03 | 桂林电子科技大学 | 一种图像目标物识别方法 |
CN111401422B (zh) * | 2020-03-09 | 2024-03-08 | 南京览笛信息科技有限公司 | 一种基于多角度深度推理的深度网络图像分类方法 |
JP7264401B2 (ja) * | 2020-03-09 | 2023-04-25 | ▲図▼▲霊▼通▲諾▼(北京)科技有限公司 | 会計方法、装置及びシステム |
CN111613225A (zh) * | 2020-04-27 | 2020-09-01 | 深圳壹账通智能科技有限公司 | 基于语音及图像处理的道路违规自动上报方法及系统 |
CN111428698A (zh) * | 2020-06-10 | 2020-07-17 | 北京云迹科技有限公司 | 一种模型样本采集方法、更新方法、电子设备及存储介质 |
CN111860219B (zh) * | 2020-06-30 | 2024-01-05 | 杭州科度科技有限公司 | 一种高速占道判断方法、装置及电子设备 |
CN112001419A (zh) * | 2020-07-22 | 2020-11-27 | 李峰 | 一种防伪识别方法和装置 |
US20220277313A1 (en) * | 2021-02-26 | 2022-09-01 | Ncr Corporation | Image-based produce recognition and verification |
CN113344012B (zh) * | 2021-07-14 | 2022-08-23 | 马上消费金融股份有限公司 | 物品识别方法、装置及设备 |
CN113688893A (zh) * | 2021-08-19 | 2021-11-23 | 西交利物浦大学 | 一种图片分类的方法、装置、电子设备及存储介质 |
CN113743481B (zh) * | 2021-08-20 | 2024-04-16 | 北京电信规划设计院有限公司 | 类人化图像识别方法和系统 |
US11681997B2 (en) * | 2021-09-30 | 2023-06-20 | Toshiba Global Commerce Solutions Holdings Corporation | Computer vision grouping recognition system |
JP2023077805A (ja) * | 2021-11-25 | 2023-06-06 | 東芝テック株式会社 | 決済者監視装置及びそのプログラム、決済者監視方法 |
CN114299395A (zh) * | 2021-12-30 | 2022-04-08 | 百富计算机技术(深圳)有限公司 | 商品结算处理方法、装置、终端设备及存储介质 |
CN114660112B (zh) * | 2022-05-25 | 2022-09-02 | 河南源宏高分子新材料有限公司 | 一种再生聚酯材料温度阻隔性能的检测方法 |
CN114813635B (zh) * | 2022-06-28 | 2022-10-04 | 华谱智能科技(天津)有限公司 | 煤炉燃烧参数的优化方法及电子设备 |
CN117077083B (zh) * | 2023-10-10 | 2024-01-05 | 上海英内物联网科技股份有限公司 | 装箱物品自动识别统计方法 |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5729623A (en) * | 1993-10-18 | 1998-03-17 | Glory Kogyo Kabushiki Kaisha | Pattern recognition apparatus and method of optimizing mask for pattern recognition according to genetic algorithm |
US5497314A (en) * | 1994-03-07 | 1996-03-05 | Novak; Jeffrey M. | Automated apparatus and method for object recognition at checkout counters |
JP2007293575A (ja) * | 2006-04-25 | 2007-11-08 | Shigeru Furuno | 電子商取引システム |
CN102119387B (zh) * | 2008-08-08 | 2014-12-03 | 株式会社尼康 | 检索辅助系统、检索辅助方法以及检索辅助程序 |
CN102063616A (zh) | 2010-12-30 | 2011-05-18 | 上海电机学院 | 一种基于图像特征匹配的商品自动识别系统及方法 |
JP2012247968A (ja) * | 2011-05-27 | 2012-12-13 | Toshiba Tec Corp | 情報処理装置、情報処理方法及び制御プログラム |
JP5554796B2 (ja) | 2011-09-06 | 2014-07-23 | 東芝テック株式会社 | 情報処理装置およびプログラム |
US9179075B2 (en) * | 2012-06-11 | 2015-11-03 | Stylinity, Inc. | Photographic stage |
CN103034839B (zh) * | 2012-12-04 | 2016-08-03 | 南京航空航天大学 | 基于图像识别技术的食堂支付系统及方法 |
WO2014169238A1 (en) * | 2013-04-11 | 2014-10-16 | Digimarc Corporation | Methods for object recognition and related arrangements |
US10296814B1 (en) * | 2013-06-27 | 2019-05-21 | Amazon Technologies, Inc. | Automated and periodic updating of item images data store |
CN103412938B (zh) * | 2013-08-22 | 2016-06-29 | 成都数之联科技有限公司 | 一种基于图片交互式多目标提取的商品比价方法 |
CN103632460A (zh) | 2013-11-08 | 2014-03-12 | 青岛中科英泰商用系统有限公司 | 同步向顾客提供交易过程视频的超市自助结算用防损方法 |
CN103729777A (zh) * | 2013-12-12 | 2014-04-16 | 福建伊时代信息科技股份有限公司 | 基于图像识别技术的网络购物方法、购物装置及购物系统 |
US9275293B2 (en) * | 2014-02-28 | 2016-03-01 | Thrift Recycling Management, Inc. | Automated object identification and processing based on digital imaging and physical attributes |
JP6145416B2 (ja) | 2014-02-28 | 2017-06-14 | 富士フイルム株式会社 | 商品検索装置及び方法、商品検索システム |
US20150310601A1 (en) * | 2014-03-07 | 2015-10-29 | Digimarc Corporation | Methods and arrangements for identifying objects |
CN104077842B (zh) * | 2014-07-02 | 2017-02-15 | 浙江大学 | 基于图像识别的自选餐厅自助付费装置及其使用方法 |
JP6336351B2 (ja) * | 2014-08-08 | 2018-06-06 | 東芝テック株式会社 | 情報処理装置及びプログラム |
US10282722B2 (en) * | 2015-05-04 | 2019-05-07 | Yi Sun Huang | Machine learning system, method, and program product for point of sale systems |
US20160350336A1 (en) * | 2015-05-31 | 2016-12-01 | Allyke, Inc. | Automated image searching, exploration and discovery |
CN106355188B (zh) * | 2015-07-13 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 图像检测方法及装置 |
CN106023220B (zh) * | 2016-05-26 | 2018-10-19 | 史方 | 一种基于深度学习的车辆外观部件图像分割方法 |
CN106096932A (zh) | 2016-06-06 | 2016-11-09 | 杭州汇萃智能科技有限公司 | 基于餐具形状的菜品自动识别系统的计价方法 |
US9928448B1 (en) * | 2016-09-23 | 2018-03-27 | International Business Machines Corporation | Image classification utilizing semantic relationships in a classification hierarchy |
US10970701B2 (en) * | 2016-10-20 | 2021-04-06 | Jes Labs | System for identifying or assisting the identification of a product or set of products |
CN106548145A (zh) * | 2016-10-31 | 2017-03-29 | 北京小米移动软件有限公司 | 图像识别方法及装置 |
US20180197218A1 (en) * | 2017-01-12 | 2018-07-12 | Verizon Patent And Licensing Inc. | System and method for object detection in retail environment |
US10600043B2 (en) * | 2017-01-31 | 2020-03-24 | Focal Systems, Inc. | Automated checkout system through mobile shopping units |
CN208957427U (zh) * | 2017-08-16 | 2019-06-11 | 图灵通诺(北京)科技有限公司 | 结算装置用货架 |
US11562614B2 (en) * | 2017-12-25 | 2023-01-24 | Yi Tunnel (Beijing) Technology Co., Ltd. | Method, a device and a system for checkout |
MX2020008117A (es) * | 2018-01-31 | 2021-08-24 | Walmart Apollo Llc | Sistemas y metodos para verificar etiquetas legibles por maquina asociadas con mercancias. |
US20200151692A1 (en) * | 2018-04-18 | 2020-05-14 | Sbot Technologies, Inc. d/b/a Caper Inc. | Systems and methods for training data generation for object identification and self-checkout anti-theft |
US10867186B2 (en) * | 2018-05-15 | 2020-12-15 | Genetec Inc. | Transaction monitoring |
EP3794577A4 (en) * | 2018-05-16 | 2022-03-09 | Conex Digital LLC | SMART PLATFORM COUNTER DISPLAY INTELLIGENT METHOD AND SYSTEM |
WO2020056041A1 (en) * | 2018-09-11 | 2020-03-19 | Pointivo, Inc. | Improvements in data acquistion, processing, and output generation for use in analysis of one or a collection of physical assets of interest |
CA3112321A1 (en) * | 2018-09-18 | 2020-03-26 | Focal Systems, Inc. | Product onboarding machine |
US11423648B2 (en) * | 2018-09-27 | 2022-08-23 | Ncr Corporation | Item recognition processing over time |
US10783403B2 (en) * | 2018-10-29 | 2020-09-22 | EMC IP Holding Company LLC | Automated design testing through deep learning |
-
2017
- 2017-09-08 CN CN201710806862.7A patent/CN109299715B/zh active Active
- 2017-09-08 WO PCT/CN2017/100999 patent/WO2019019291A1/zh active Application Filing
- 2017-09-08 US US16/328,904 patent/US10853702B2/en active Active
- 2017-09-08 JP JP2018567956A patent/JP6709862B6/ja active Active
- 2017-10-25 CN CN201711008973.XA patent/CN109300263A/zh active Pending
- 2017-10-25 CN CN201821688423.7U patent/CN209028742U/zh active Active
- 2017-10-25 CN CN201721396195.1U patent/CN207993164U/zh active Active
- 2017-12-11 US US16/328,948 patent/US11151427B2/en active Active
- 2017-12-11 JP JP2019502005A patent/JP6709320B6/ja active Active
- 2017-12-11 WO PCT/CN2017/115443 patent/WO2019019525A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN109299715B (zh) | 2021-07-13 |
JP6709862B2 (ja) | 2020-06-17 |
US10853702B2 (en) | 2020-12-01 |
CN109300263A (zh) | 2019-02-01 |
JP2019536121A (ja) | 2019-12-12 |
WO2019019525A1 (zh) | 2019-01-31 |
JP2019526848A (ja) | 2019-09-19 |
CN207993164U (zh) | 2018-10-19 |
US20190220692A1 (en) | 2019-07-18 |
JP6709320B2 (ja) | 2020-06-10 |
CN209028742U (zh) | 2019-06-25 |
JP6709862B6 (ja) | 2020-07-22 |
CN109299715A (zh) | 2019-02-01 |
WO2019019291A1 (zh) | 2019-01-31 |
US20190244055A1 (en) | 2019-08-08 |
US11151427B2 (en) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6709320B6 (ja) | 畳み込みニューラルネットワーク画像認識技術による会計方法及び会計設備 | |
CN109559457B (zh) | 基于神经网络识别商品的收银方法以及自助收银台 | |
US7416119B1 (en) | Methods and apparatus for automatically determining and deducting weight of containers for products | |
US11120265B2 (en) | Systems and methods for verifying machine-readable label associated with merchandise | |
JP2019530923A (ja) | 会計方法、装置及びシステム | |
US20200193404A1 (en) | An automatic in-store registration system | |
JP6549558B2 (ja) | 売上登録装置、プログラム及び売上登録方法 | |
WO2019062812A1 (zh) | 用于自动结算的人机交互装置及其应用 | |
US20190005343A1 (en) | Fast item identification for checkout counter | |
CN111222389B (zh) | 商超货架上商品的分析方法和系统 | |
EP3901841A1 (en) | Settlement method, apparatus, and system | |
WO2019127618A1 (zh) | 结算方法、装置和系统 | |
CN111222870B (zh) | 结算方法、装置和系统 | |
EP3901818A1 (en) | Method and system for analyzing commodities on supermarket shelf | |
CN111222388B (zh) | 基于视觉识别的结算方法和系统 | |
CN110781752A (zh) | 一种动态视觉智能柜多品类场景下的物体识别方法 | |
KR102655145B1 (ko) | 무인 결제 시스템 | |
KR102550560B1 (ko) | 인공지능을 이용한 전자 시스템 | |
JP2021103349A (ja) | 情報処理システム、情報処理装置及び情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200310 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200428 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200522 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6709320 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |