對基于深度學(xué)習(xí)的商品圖像識別方法分析

汪家琦 郭源

摘? ?要：現(xiàn)如今，市場上商品數(shù)量不斷增加，想要實現(xiàn)商品的高效流通就要對商品圖像識別技術(shù)進(jìn)行分析，以此切實提高服務(wù)質(zhì)量。本文在簡單了解商品圖像特征的基礎(chǔ)上，對深度學(xué)習(xí)技術(shù)進(jìn)行了全面的了解，在此基礎(chǔ)上，設(shè)計了商品圖像識別平臺，并且結(jié)合實際案例，具體分析這一平臺的應(yīng)用情況，以供參考。

關(guān)鍵詞：深度學(xué)習(xí)? 商品圖像? 識別方式? 準(zhǔn)確性

中圖分類號：TP391? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）01（b）-0129-02

零售店作為大型商超的有效補充，滿足了互聯(lián)網(wǎng)時代消費者的需求和偏好，在實際發(fā)展過程中，便利店占據(jù)了巨大的市場，但在發(fā)展過程中，運營成本不斷增加，尤其是門店租金、人工成本等方面均呈現(xiàn)出上漲趨勢。開發(fā)出基于深度學(xué)習(xí)的商品圖像識別方法，可以讓商品流通速度加快，為顧客提供優(yōu)質(zhì)的服務(wù)。

1? 商品圖像特征和深度學(xué)習(xí)技術(shù)

1.1 商品圖像特征

商品在設(shè)計過程中，為了刺激消費者購買欲，同時保證商品的辨識度，商品圖像特征非常豐富，常見的圖像特征可以分為兩大類，一種是底層視覺特征，也就是商品的全局特征和局部特征，另一種是商品的中間語義特征，在進(jìn)行商品識別的過程中，主要應(yīng)用的是底層視覺特征。也就是，商品的圖像特征，可以具體分為以下幾種，具體包括：顏色特征、形狀特征、紋理特征、點特征、語義特征等多個方面。這幾個特征中，顏色特征是最為直接的方式，利用顏色直方圖就可以獲取得到商品圖像的顏色分布，而形狀區(qū)域和輪廓邊界都可以進(jìn)行區(qū)分，通過具體的檢測算法就能夠有效提取出商品的特征點。圖1是實體零售圖像識別的一種過程。

1.2 深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)技術(shù)是建立在神經(jīng)網(wǎng)絡(luò)上的一種感知技術(shù)，常見的神經(jīng)網(wǎng)絡(luò)包括：神經(jīng)元模型、感知機、BP算法、卷積神經(jīng)網(wǎng)絡(luò)等。以卷積神經(jīng)網(wǎng)絡(luò)為例，這是目前應(yīng)用范圍最廣的一種神經(jīng)網(wǎng)絡(luò)，在人臉識別、語音識別、車牌識別、物體檢測等方面得到了廣泛應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)較為相似，都是由輸入層、中間層、輸出層形式，但相比較而言，前者的中間層更為復(fù)雜。在實際應(yīng)用過程中，這種神經(jīng)網(wǎng)絡(luò)具有巨大的優(yōu)勢，尤其是在網(wǎng)絡(luò)深度、巨量圖像數(shù)據(jù)處理上，最為重要的是，利用這種神經(jīng)網(wǎng)絡(luò)可以更好地完成學(xué)習(xí)訓(xùn)練。在確定具體的神經(jīng)網(wǎng)絡(luò)后，就可以開展深度學(xué)習(xí)，利用海量的數(shù)據(jù)，借助網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)，數(shù)據(jù)中的特征學(xué)習(xí)是非常重要的內(nèi)容，可以保證模型預(yù)測準(zhǔn)確度得到提高。經(jīng)過對目前幾種主流深度學(xué)習(xí)框架進(jìn)行對比分析后，選擇了MXNet作為實驗框架[1]。

2? 基于深度學(xué)習(xí)的商品圖像識別平臺設(shè)計

想要真正開發(fā)出符合零售店發(fā)展的商品圖像識別技術(shù)，就要設(shè)計出合理的平臺和數(shù)據(jù)庫，在實際發(fā)展過程中，使用平臺進(jìn)行圖像采集、圖像預(yù)處理，建立圖像數(shù)據(jù)庫，為后續(xù)的圖像識別分析奠定良好的基礎(chǔ)。

2.1 實驗平臺設(shè)計

所謂實驗平臺就是要搭建出一個自動識別平臺，主要硬件設(shè)備包括：相機鏡頭、光源、置物臺、機械支架、計算機等，以此完成商品圖像獲取，并且商品圖像數(shù)據(jù)庫和模型訓(xùn)練等工作也會在該平臺上完成。軟件部分則采用了VS013和Python IDLE這兩個軟件作為主要開發(fā)環(huán)境，圖像處理工具上則選擇了OpenCV軟件，這一軟件具有完善的計算機視覺和圖像處理算法。通過二者結(jié)合，就能夠?qū)崿F(xiàn)圖像采集、處理、數(shù)據(jù)集構(gòu)建等功能。

2.2 圖像預(yù)處理

由上可知，商品外包裝千姿百態(tài)，尤其是商品結(jié)構(gòu)、形狀都存在一定區(qū)別，想要確保商品被準(zhǔn)確識別，就要對商品圖像進(jìn)行全面的收集，每個商品的拍攝總數(shù)必須要在50張以上，每個面都要拍攝圖像。以長方體商品為例，要拍攝6個面商品圖像，因此每個面至少要拍9～10張圖片;如果是塑料包裝商品，一般可以選擇正反兩個面進(jìn)行拍攝，每個面至少25張圖片。完成圖片收集后，就可以進(jìn)行圖像預(yù)處理，通過閾值分割、提取關(guān)鍵區(qū)域，繼而就可以生成預(yù)處理圖像。

2.3 擴充數(shù)據(jù)集

在此基礎(chǔ)上，對預(yù)處理后的圖像加入椒鹽噪聲、高斯噪聲、泊松噪聲等方式，讓模型訓(xùn)練更加準(zhǔn)確，并且變換圖形幾何，利用鏡面翻轉(zhuǎn)、多角度旋轉(zhuǎn)等角度，對預(yù)處理數(shù)據(jù)進(jìn)行進(jìn)一步數(shù)據(jù)擴展，以此滿足深度學(xué)習(xí)模型訓(xùn)練對大量樣本熟練的要求，從而提高基于深度學(xué)習(xí)的商品圖像識別準(zhǔn)確性。

3? 基于深度學(xué)習(xí)的商品圖像識別實際應(yīng)用

由上可知，深度學(xué)習(xí)在圖像分類識別上具有較大優(yōu)勢，現(xiàn)如今，在多個領(lǐng)域中都得到了廣泛的應(yīng)用，將其應(yīng)用在商品圖像識別領(lǐng)域中，可以進(jìn)一步降低人工成本，跳脫出時間、空間的限制。由上可知，利用基于深度學(xué)習(xí)的商品圖像識別平臺，可以讓商品運輸水平、效率得到提高。在實際應(yīng)用過程中可以分為五個階段，分別為：Alex Net網(wǎng)絡(luò)結(jié)構(gòu)、數(shù)據(jù)庫準(zhǔn)備、數(shù)據(jù)迭代器生成、訓(xùn)練過程、商品識別過程的實際應(yīng)用[2]。

第一，神經(jīng)網(wǎng)絡(luò)。根據(jù)上文設(shè)計的平臺情況來看，Alex Net網(wǎng)絡(luò)結(jié)構(gòu)可以為后續(xù)的計算訓(xùn)練奠定良好的基礎(chǔ)，這種模型具有6000萬個參數(shù)和6.5萬個神經(jīng)元，其神經(jīng)網(wǎng)絡(luò)采用的是卷積運算，不僅運算效率較快，準(zhǔn)確性也相對較高。需要注意的是，Alex Net網(wǎng)絡(luò)結(jié)構(gòu)中涉及了多個參數(shù)項目，包括：網(wǎng)絡(luò)層數(shù)、內(nèi)核數(shù)量、內(nèi)核尺寸、步長、填充、輸出尺寸等。第二，數(shù)據(jù)庫準(zhǔn)備。根據(jù)軟件所在的環(huán)境系統(tǒng)，最終選擇利用Python語言開發(fā)數(shù)據(jù)庫，所有商品圖像的命名都用字母和數(shù)字代替[3]。第三，數(shù)據(jù)迭代器的生成?；谏疃葘W(xué)習(xí)的商品圖像識別方法在實際應(yīng)用過程中必須要進(jìn)行大數(shù)據(jù)學(xué)習(xí)，在這個過程中，可能會應(yīng)用到幾十GB的數(shù)據(jù)，因此訓(xùn)練學(xué)習(xí)的時間也相對較大。通過設(shè)計數(shù)據(jù)迭代器，都可以提高訓(xùn)練學(xué)習(xí)效率，節(jié)約成本。本文使用的MXNet框架就具有數(shù)據(jù)迭代器功能。第四，實際訓(xùn)練。在創(chuàng)建網(wǎng)絡(luò)模型的基礎(chǔ)上，就可以正式進(jìn)行訓(xùn)練，直到正確率趨于穩(wěn)定后，訓(xùn)練模型就可以保存，最終將訓(xùn)練好的網(wǎng)絡(luò)模型應(yīng)用在商品識別系統(tǒng)中。根據(jù)實際應(yīng)用情況來看，基于深度學(xué)習(xí)的商品圖像識別方法的準(zhǔn)確率較高，可以持續(xù)訓(xùn)練商品識別系統(tǒng)，并且更新網(wǎng)絡(luò)模型的參數(shù)文件。最為重要的是，其可以滿足多個不同零售點的識別要求。如圖2商品畫像識別示意圖，就是利用這種識別方法完成的識別，可以一次性精準(zhǔn)識別所有商品。

4? 結(jié)語

綜上所述，深度學(xué)習(xí)技術(shù)作為一種高效、新型的圖像分類技術(shù)，在實際應(yīng)用中，具有高效率、低成本、高準(zhǔn)確率的特點，可以推動“無人零售”這一概念得到真正的實現(xiàn)。通過本文分析設(shè)計，開發(fā)出了一款全新的商品圖像識別系統(tǒng)，準(zhǔn)確率較高，但還需要對這一系統(tǒng)中的缺陷進(jìn)行進(jìn)一步的完善，擴大其應(yīng)用范圍。

參考文獻(xiàn)

[1] 李玫潔，溫昕，蔣娜.基于深度學(xué)習(xí)的圖像識別研究[J].科技廣場，2017（10）：178-180.

[2] 胡正委.基于深度學(xué)習(xí)的超市商品圖像識別方法研究[D].中國科學(xué)技術(shù)大學(xué)，2018.

[3] 梅啟成，呂文閣.基于深度學(xué)習(xí)的商品識別方法研究[J].機電工程技術(shù)，2018，47（9）：41-44，164.