行业领域:
电子信息技术,制造业,计算机及网络技术,专用设备制造业
成果介绍
本发明公开了一种基于自注意力深度网络的商品识别方法,其包括如下内容:对商品数据集进行分析,选择部分数据并将其划分训练集,验证集和测试集,同时进行小样本处理,将数据分为多个任务,每一个任务都可以再分为支持集和查询集,同时进行数据增强处理;随后提取支持集特征,并计算提取好的支持集特征中每一类的类原型,再提取查询集特征,将支持集类原型和查询集特征送入到以加权马氏距离作为相似性度量的度量分类器中,利用softmax函数计算最终分类结果;再利用反向传播算法更新模型参数,保存在验证集中表现最好的模型,最后将商品测试集送入到模型中进行识别分类。本发明可以减少外部依赖性、识别更加高效,并且应用范围广。
成果亮点
本成果提出了一种基于自注意力深度网络的商品识别方法,成功解决了零售场景中商品密集堆放、部分遮挡及视角多变导致传统卷积神经网络难以精准区分细粒度特征的行业核心难题。该方法通过级联自注意力模块,使网络能够自主学习并聚焦于商品的关键判别区域(如标识、轮廓纹理),极大提升了对相似款商品的区分能力,在标准商品数据集上的识别准确率超过领先水平,且对遮挡情况鲁棒性强。
团队介绍
燕山大学坐落于河北省秦皇岛市,是一所以工学为主,文学、理学、经济学、管理学、法学、艺术学、教育学等多学科协调发展的全国重点大学。学校源于哈尔滨工业大学,始建于1920年,1960年独立办学定名为东北重型机械学院,1997年整体南迁至秦皇岛并更名为燕山大学。学校是河北省人民政府、教育部、工业和信息化部、国家国防科技工业局四方共建高校,拥有雄厚的师资力量和科研实力,特别是在机械工程、材料科学与工程等学科领域享有盛誉,为国家培养了大批高素质人才。
成果资料
产业化落地方案