基于卷积神经网络的电商客服平台图像检索方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113536018A(43)申请公布日2021.10.22(21)申请号202110781874.5G06F16/51(2019.01)(22)申请日2021.07.09G06K9/62(2006.01)G06K9/46(2006.01)(66)本国优先权数据G06N3/04(2006.01)202011389999.52020.12.02CNG06N3/08(2006.01)(71)申请人杭州微洱网络科技有限公司G06Q30/06(2012.01)地址311121浙江省杭州市余杭区仓前街道文一西路1382号601-5(72)发明人徐桦余卓卞龙鹏张翼翔石克阳(74)专利代理机构杭州裕阳联合专利代理有限公司33289代理人张解翠(51)Int.Cl.G06F16/583(2019.01)G06F16/55(2019.01)权利要求书2页说明书5页附图3页(54)发明名称基于卷积神经网络的电商客服平台图像检索方法(57)摘要本申请公开了一种基于卷积神经网络的电商客服平台图像检索方法，包括如下步骤：将买家发送的图片输入卷积神经网络模型进行图片预处理；将经过图片预处理的图片输入另一卷积神经网络进行图片特征提取；根据图片特征提取的数据在特征数据库中进行相似度匹配值计算，提取特征数据库中相似度匹配值最高且高于预设阈值的商品数据。本申请的有益之处在于提供了一种能够精细到电商平台的具体产品且便于应用到智能客服系统的基于卷积神经网络的电商客服平台图像检索方法。CN113536018ACN113536018A权利要求书1/2页1.一种基于卷积神经网络的电商客服平台图像检索方法，其特征在于：所述基于卷积神经网络的电商客服平台图像检索方法包括如下步骤：将买家发送的图片输入第一卷积神经网络和第二卷积神经网络模型进行图片预处理，所述图片预处理包括商品图片的筛选和商品图片中主体部分的提取；将经过图片预处理的图片输入第三卷积神经网络进行图片特征提取；根据图片特征提取的数据在特征数据库中进行相似度匹配值计算，提取特征数据库中相似度匹配值最高且高于预设阈值的商品数据。2.根据权利要求1所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：所述基于卷积神经网络的电商客服平台图像检索方法还包括：在商品上架时更新所述特征数据库中的数据。3.根据权利要求2所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：所述在商品上架时更新所述特征数据库中的数据包括如下步骤：输入上架商品的商品数据；将上架商品的图片输入至所述第一卷积神经网络模型进行图片预处理；将经过预处理的图片输入至所述第二卷积神经网络模型进行图片特征提取；将所述商品数据、预处理后的图片和图片特征对应存储于所述特征数据库中。4.根据权利要求1所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：所述基于卷积神经网络的电商客服平台图像检索方法还包括：在商品下架时更新所述特征数据库中的数据。5.根据权利要求4所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：在商品下架时更新所述特征数据库中的数据包括如下步骤：输入下架商品的商品数据；删除所述索引数据库中对应的商品数据、商品图片以及图片特征的信息。6.根据权利要求5所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：在商品下架时更新所述特征数据库中的数据包括如下步骤：删除所述索引数据库中对应的索引数据。7.根据权利要求1至6任意一项所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：所述商品数据包括：商品ID信息、商品属性或/和商品链接。8.根据权利要求7所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：所述图片特征提取为所述第三卷积神经网络提取所述商品图片主体部分的CNN特征。9.根据权利要求1所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：2CN113536018A权利要求书2/2页所述第一卷积神经网络模型基于ResNet50构建模型；所述第二卷积神经网络模型基于ImageNet预训练的ResNet50网络结合semihardsampledtripletloss训练构建模型。10.根据权利要求1所述的基于卷积神经网络的电商客服平台图像检索方法，其特征在于：根据图片特征提取的数据在特征数据库中进行相似度匹配值计算包括：计算目标图片特征向量与所述图像索引库中所有图片特征向量的欧氏距离或者余弦距离。3CN113536018A说明书1/5页基于卷积神经网络的电商客服平台图像检索方法技术领域[0001]本申请涉及一种电商客服平台图像检索方法，具体而言，涉及一种基于卷积神经网络的电商客服平台图像检索方法。背景技术[0002