物品分类方法、装置、计算机设备及计算机可读存储介质与流程

本申请涉及计算机，具体涉及一种物品分类方法、装置、计算机设备及计算机可读存储介质。

背景技术：

1、随着互联网产业的高速发展，越来越多消费者选择通过浏览物品图片线上购买所需物品。对物品进行分类有利于针对消费者的个性化需求进行物品推荐，因此，对物品进行分类非常有必要。然而，现有物品分类方法通常采用分类模型对物品进行分类，该分类方法受分类模型的限制只能对固定类别的物品进行分类。

2、因此，现有技术还有待改进和发展。

技术实现思路

1、本申请实施例提供一种物品分类方法、装置、计算机设备及计算机可读存储介质，可以全面学习待分类物品的特征，可扩展性强，并且分类类别不受分类模型的限制。

2、本发明解决问题所采用的技术方案如下：

3、一方面，本申请提供一种物品分类方法，包括：

4、获取待分类物品的多张物品图像；其中，多张物品图像包含待分类物品的至少两种视角下的图像；

5、基于多张物品图像，构建待分类物品的多个目标视图数据；

6、基于多个目标视图数据，确定待分类物品的目标矩阵；

7、基于目标矩阵，确定待分类物品的分类结果。

8、在本申请一些实施方案中，基于多张物品图像，构建待分类物品的多个目标视图数据，包括：

9、对多张物品图像分别进行灰度处理，得到待分类物品的多个原始视图数据；

10、对多个原始视图数据分别进行特征提取，得到待分类物品的多个特征视图数据；

11、对多个特征视图数据进行降维，得到降维后的多个特征视图数据；

12、基于多个原始视图数据及降维后的多个特征视图数据，构建待分类物品的多个目标视图数据。

13、在本申请一些实施方案中，多个原始视图数据包括第一类视图数据和第二类视图数据，多个特征视图数据包括第一特征视图数据、第二特征视图数据及第三特征视图数据；

14、对多个原始视图数据分别进行特征提取，得到待分类物品的多个特征视图数据，包括：

15、对第一类视图数据和第二类视图数据分别进行纹理特征提取，得到待分类物品的第一特征视图数据；

16、对第一类视图数据进行局部二值特征提取，得到待分类物品的第二特征视图数据；

17、对第二类视图数据进行尺度不变特征提取，得到待分类物品的第三特征视图数据。

18、在本申请一些实施方案中，基于多个目标视图数据，确定待分类物品的目标矩阵，包括：

19、获取预先构建的目标函数；其中，目标函数中包括多种变量，多种变量包括第一矩阵；

20、基于多个目标视图数据对多种变量进行更新，并基于更新后的多种变量及多个目标视图数据确定目标函数的目标函数值；

21、当目标函数值不满足预设条件时，继续执行基于多个目标视图数据对多种变量进行更新的步骤，直至目标函数值满足预设条件；

22、将更新后的第一矩阵，确定为待分类物品的目标矩阵。

23、在本申请一些实施方案中，多种变量还包括第二矩阵、第三矩阵及权重系数，基于多个目标视图数据对多种变量进行更新，包括：

24、基于多个目标视图数据和第三矩阵，确定更新后的第二矩阵；

25、基于更新后的第二矩阵和第一矩阵对第三矩阵进行更新，得到更新后的第三矩阵；

26、基于更新后的第三矩阵对第一矩阵进行更新，得到更新后的第一矩阵；

27、基于更新后的第三矩阵和更新后的第二矩阵对权重系数进行更新，得到更新后的权重系数。

28、在本申请一些实施方案中，基于多个目标视图数据和第三矩阵，确定更新后的第二矩阵，包括：

29、基于多个目标视图数据和第三矩阵，确定每个目标视图数据对应的第四矩阵；

30、基于第四矩阵，确定拉格朗日乘数；

31、基于拉格朗日乘数，确定更新后的第二矩阵。

32、在本申请一些实施方案中，基于更新后的第二矩阵和第一矩阵对第三矩阵进行更新，得到更新后的第三矩阵，包括；

33、基于更新后的第二矩阵、第一矩阵及第三矩阵，确定第五矩阵；

34、对第五矩阵进行奇异值分解，得到第一正交矩阵和第二正交矩阵；

35、基于第一正交矩阵和第二正交矩阵，确定更新后的第三矩阵。

36、在本申请一些实施方案中，基于更新后的多种变量及多个目标视图数据确定目标函数的目标函数值，包括：

37、基于更新后的第二矩阵和多个目标视图数据，确定目标函数的第一函数值；

38、基于更新后的第二矩阵，确定目标函数的第二函数值；

39、基于更新后的权重系数、更新后的第三矩阵及更新后的第二矩阵，确定目标函数的第三函数值；

40、基于更新后的第三矩阵和更新后的第一矩阵，确定目标函数的第四函数值；

41、基于第一函数值、第二函数值、第三函数值及第四函数值，确定目标函数的目标函数值。

42、第二方面，本发明实施例还提供一种物品分类装置，包括：

43、图像获取单元，用于获取待分类物品的多张物品图像；其中，多张物品图像包含待分类物品的至少两种视角下的图像；

44、数据构建单元，用于基于多张物品图像，构建待分类物品的多个目标视图数据；

45、矩阵确定单元，用于基于多个目标视图数据，确定待分类物品的目标矩阵；

46、物品分类单元，用于基于目标矩阵，确定待分类物品的分类结果。

47、第三方面，本申请还提供一种计算机设备，计算机设备包括：

48、一个或多个处理器；

49、存储器；以及

50、一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行以实现第一方面中任一项的物品分类方法。

51、第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器进行加载，以执行第一方面中任一项的物品分类方法中的步骤。

52、本发明的有益效果：基于多张物品图像构建待分类物品的多个目标视图数据，构建出的目标视图数据可以从多个方面体现待分类物品的特征，从而提高分类结果的准确性；基于多个目标视图数据确定多个目标视图数据，再基于目标矩阵确定待分类物品的分类结果，在无需使用分类模型的情况下即可实现物品分类，分类方法可扩展性强，分类类别不受分类模型的限制且无需使用有标注的数据集。

技术特征：

1.一种物品分类方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于多张所述物品图像，构建所述待分类物品的多个目标视图数据，包括：

3.根据权利要求2所述的方法，其特征在于，多个所述原始视图数据包括第一类视图数据和第二类视图数据，多个所述特征视图数据包括第一特征视图数据、第二特征视图数据及第三特征视图数据；

4.根据权利要求1所述的方法，其特征在于，所述基于多个所述目标视图数据，确定所述待分类物品的目标矩阵，包括：

5.根据权利要求4所述的方法，其特征在于，多种所述变量还包括第二矩阵、第三矩阵及权重系数，所述基于多个所述目标视图数据对多种所述变量进行更新，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于多个所述目标视图数据和所述第三矩阵，确定更新后的第二矩阵，包括：

7.根据权利要求5所述的方法，其特征在于，所述基于更新后的多种所述变量及多个所述目标视图数据确定所述目标函数的目标函数值，包括：

8.一种物品分类装置，其特征在于，包括：

9.一种计算机设备，其特征在于，所述计算机设备包括：

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至7任一项所述的物品分类方法中的步骤。

技术总结
本申请公开了一种物品分类方法、装置、计算机设备及计算机可读存储介质，该方法包括：获取待分类物品的多张物品图像；其中，多张物品图像包含待分类物品的至少两种视角下的图像；基于多张物品图像，构建待分类物品的多个目标视图数据；基于多个目标视图数据，确定待分类物品的目标矩阵；基于目标矩阵，确定待分类物品的分类结果。本申请采用的物品分类可以全面学习待分类物品的特征，可扩展性强，并且分类类别不受分类模型的限制。

技术研发人员：俱丽莎,宋西军
受保护的技术使用者：TCL科技集团股份有限公司
技术研发日：
技术公布日：2024/9/23