用于食品杂货商品识别的域不变层次化嵌入
计算机视觉与模式识别
2019-02-05 v1
摘要
仅基于外观识别包装食品杂货商品因特殊挑战仍是现代计算机视觉系统的开放问题。首先，待识别的不同商品数量巨大（即数以千计）且随时间快速变化。此外，测试时需识别的图像（由廉价相机在商店拍摄）与可用于训练的图像（通常每件商品仅一张或少数几张影棚质量图像）之间存在显著的域偏移。我们提出一种端到端架构，包含用于训练时处理域偏移的 GAN，以及在 GAN 生成样本上训练的深度 CNN，以学习强制产品类别间层次结构的商品图像嵌入。测试时，我们通过对每件商品仅含一张参考图像构成的数据库执行 K-NN 搜索来进行识别。针对训练数据集中存在以及训练时未见的不同商品的识别实验表明，我们的方法在杂货识别任务上优于最先进方法，并对类似任务泛化良好。
引用
@article{arxiv.1902.00760,
title = {Domain invariant hierarchical embedding for grocery products recognition},
author = {Alessio Tonioni and Luigi Di Stefano},
journal= {arXiv preprint arXiv:1902.00760},
year = {2019}
}