申请/专利权人：武汉数博科技有限责任公司

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117877017A

主分类号：G06V20/62

分类号：G06V20/62;G06F40/295;G06F40/289;G06N3/045;G06N5/022;G06N7/01;H04N21/2187;H04N21/478

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于直播带货视频的商品识别方法及装置，该方法包括：基于直播带货视频得到主播解说文字和视频文字；基于主播解说文字和视频文字进行词向量转换，得到文本模态的特征矩阵；基于直播带货视频获取目标图像，提取得到目标图像的属性集合；将目标图像的属性集合中的每个属性分别转换为词向量，得到图像属性的特征矩阵；基于获取的多模态知识图谱、主播解说文字和视频文字，得到目标图像的背景知识特征矩阵；拼接图像属性的特征矩阵和背景知识特征矩阵，得到图像模态的特征矩阵；将图像模态的特征矩阵和文本模态的特征矩阵输入条件随机场，得到主播解说文字中每个实体对应商品识别类型的概率，将概率最大的实体作为商品识别结果。

主权项：1.一种基于直播带货视频的商品识别方法，其特征在于，包括：基于直播带货视频得到主播解说文字和视频文字；基于所述主播解说文字和所述视频文字，进行词向量转换，得到文本模态的特征矩阵；基于所述直播带货视频获取目标图像；基于所述目标图像，使用预训练视觉模型提取得到所述目标图像的属性集合；将所述目标图像的属性集合中的每个属性分别转换为词向量并进行拼接，得到图像属性的特征矩阵；基于获取的多模态知识图谱、所述主播解说文字和所述视频文字，得到所述目标图像的背景知识特征矩阵；将所述图像属性的特征矩阵和所述背景知识特征矩阵进行拼接，得到图像模态的特征矩阵；将所述图像模态的特征矩阵和所述文本模态的特征矩阵拼接后输入条件随机场，得到所述主播解说文字中每个实体对应商品识别类型的概率，将概率最大的实体作为商品识别结果。

全文数据：

权利要求：

百度查询： 武汉数博科技有限责任公司 一种基于直播带货视频的商品识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD