(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111675503.5 (22)申请日 2021.12.31 (71)申请人 南京理工大 学 地址 210094 江苏省南京市孝陵卫20 0号 (72)发明人 陈昊　魏秀参　肖亮　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 陈鹏 (51)Int.Cl. G06V 10/764(2022.01) G06K 9/62(2022.01) G06Q 30/06(2012.01) (54)发明名称 从单品示例中进行基于原型的分类器学习 方法 (57)摘要 本发明公开了一种从单品示例中进行基于 原型的分类器学习方法， 包括以下步骤： 从单品 示例中生成基于原型的分类器， 包括背景分类 器； 利用背景类的得分进行鉴别性重排； 在生成 产品候选框之前， 进行多标签学习， 对各类产品 在结账图像中的共现关系进行建模， 得到相应损 失对网络进行约束。 本发明利用基于原型的分类 器来缓解单品示例和结账图像间的域差异， 开发 了鉴别性的重新排序模块 以增强分类器的鉴别 能力， 同时使用多标签识别损失， 对产品在结账 图像中的共现关系建模。 本发明可以广泛应用于 自动结账、 目标检测等领域。 权利要求书2页 说明书4页 附图2页 CN 114549890 A 2022.05.27 CN 114549890 A 1.一种从单品示例中进行基于原型的分类 器学习方法， 其特 征在于， 包括以下步骤： 步骤1， 从单品示例中生成基于原型的分类 器， 包括背景分类 器； 步骤2， 利用背景类的得分进行鉴别性重排； 步骤3， 在生成产品候选框之前， 进行多标签学习， 对各类产品在结账图像中的共现关 系进行建模， 得到相应损失对网络进行约束。 2.根据权利要求1所述的从单品示例中进行基于原型的分类器学习方法， 其特征在于， 步骤1从单品示例中生成基于原型的分类器， 包括背景分类器， 具体如下： 将单品示例集合 输入基于原型的分类器生成器中， H和W分别表示图像的高度和宽度， 首先平 均同类所有示例的特征向量得到该类的原型 k为相应类 别， 是第k类的单品示例总数， Θ是特征提取网络fCNN(； Θ)的参数， 再把所有类原型平均 得到背景类原型 K是产品类别总数， 所有原型经过非线性映射fgenerator (·)后得到K+1个分类器， 记为W＝[w1；…； wK； wBG]； fgenerator(·)在实现中是一个包括2层全 连接层和一个ReLU激活函数的多层感知机 。 3.根据权利要求1所述的从单品示例中进行基于原型的分类器学习方法， 其特征在于， 步骤2利用背景类的得分进行鉴别性重排； 对于结账图像Ic∈RH×W的第n个产品候选框， n＝1, …,N， N为产 生的产品候选框总数， 令 mn表示其特征向量， 则其对K+1个 类的得分可表示 为向量sn： 一个合理的排序为： 其中yn是第n个产品候选框的真实类别， Ω＝[1 , …,K ,BG]， ∈是松弛变量， α是一个区间为(0,1)的超参数； 当yn＝BG时， 不改变得 分排序。 4.根据权利要求3所述的从单品示例中进行基于原型的分类器学习方法， 其特征在于， 在步骤3中， 在生成产品候选框之前， 进行多标签学习， 对各类产品在结账图像中的共现关 系进行建模， 得到相应损失对网络进行约束； 对于结账图像Ic， 令其在主干网络的最后一层的特征图为F， 用 一个全连接层fFC(·； φ)进行多标签识别， 可表示 为： 其中 是多标签识别结果， fGAP(·)和fGMP(·)分别是全局平均汇合与全局最大汇合 操作， φ是 该全连接层的参数。 5.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算权　利　要　求　书 1/2 页 2 CN 114549890 A 2机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑4中任一所述的从单品 示例中进行基于原型的分类 器学习方法。 6.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑4中任一所述的从单品示例中进行基于原型的分类 器学习方法。权　利　要　求　书 2/2 页 3 CN 114549890 A 3