恭喜浙江工业大学方路平获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网恭喜浙江工业大学申请的专利一种相似商品的检测方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115457320B 。
龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211079491.4,技术领域涉及:G06V10/25;该发明授权一种相似商品的检测方法及装置是由方路平;季磊;朱锦涛;庄灿伟;陆飞;潘清设计研发完成,并于2022-09-05向国家知识产权局提交的专利申请。
本一种相似商品的检测方法及装置在说明书摘要公布了:本发明公开了一种基于深度神经网络的货架相似商品的检测方法及装置。本发明通过将商品图像输入至一训练好的商品图像检测模型中,获得商品图像中各类商品的具体位置及分类结果。其中商品图像检测模型在训练时,利用线性判别分析方法对目标检测网络中间层的特征向量处理,以找到使得类间距离最大,类内方差最小的投影矩阵,然后再将中间层的特征向量投影到投影矩阵所对应的空间中,对投影后的特征向量使用聚类方法构建聚类损失来减小相同类别内的距离,增加不同类别间的距离,从而提高货架上相似商品的检测精度。
本发明授权一种相似商品的检测方法及装置在权利要求书中公布了:1.一种基于深度神经网络的货架相似商品的检测方法,其特征在于,该方法通过将商品图像输入至一训练好的商品图像检测模型中,获得商品图像中各类商品的具体位置及分类结果;所述商品图像检测模型包括特征提取网络、区域候选网络和目标检测网络,通过如下方法训练获得: 1将构建的训练数据集的样本一一输入特征提取网络,得到特征图;所述构建的训练数据集的每一样本均为货架商品图像,商品图像具有对应的标签和位置坐标; 2再利用区域候选网络对步骤1中得到的特征图给出可能含有目标的候选框; 3将步骤2中得到的候选框映射到步骤1中得到的特征图上获得相应的特征矩阵,将特征矩阵输入到目标检测网络中,构建总损失函数对商品图像检测模型进行训练,获得训练好的商品图像检测模型;所述总损失函数表示如下: LOSS=λ1L1+λ2L2+λdistLdist 其中,L1表示目标检测网络输出的分类结果与真值的损失,L2表示区域候选网络输出的候选框位置坐标与真值的损失,λ1、λ2、λdist是权重;Ldist表示聚类损失,通过如下方法建立:利用线性判别分析方法对目标检测网络中间层的特征向量处理,以找到使得类间距离最大,类内方差最小的投影矩阵,然后再将中间层的特征向量投影到投影矩阵所对应的空间中,获得投影后的特征向量;所述投影矩阵Wn×d由矩阵J的d个特征向量构成,n表示特征向量的维度;矩阵其中Sb、Sw分别是所有训练数据集获得的目标商品通过目标检测网络中间层得到的特征向量的类间散度矩阵、类内散度矩阵; 再对投影后的特征向量使用聚类方法构建获得聚类损失: Da′j,pi表示投影后的特征向量a′j与类别i的聚类中心pi之间的距离,其中dj,i为第j个目标商品在步骤3投影后的特征向量a′j与类别i的聚类中心pi的欧式距离,margin是距离的阈值,Rj,i表示第j个目标商品与类别i的相似性,依据样本标签获得,当Rj,i=1时,表示第j个目标商品属于类别i,当Rj,i=-1时,表示第j个目标商品不属于类别i,K表示类别数目。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江工业大学,其通讯地址为:310014 浙江省杭州市下城区潮王路18号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。