(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 202210359450.4 (22)申请日 2022.04.06 (71)申请人 阿里巴巴 （中国） 有限公司 地址 310052 浙江省杭州市滨江区长河街 道网商路69 9号4号楼5楼5 08室 (72)发明人 陈教选　竺晨曦　毛锋　 (74)专利代理 机构 北京智信四方知识产权代理 有限公司 1 1519 专利代理师 钟文芳 (51)Int.Cl. G06V 10/80(2022.01) G06Q 30/00(2012.01) G06Q 30/06(2012.01) (54)发明名称 图像处理方法、 假货识别方法及电子设备 (57)摘要 本公开实施例公开了一种图像处理方法、 假 货识别方法及电子设备， 所述图像处理方法包 括： 获取待识别对象的待识别特征； 所述待识别 特征包括现有处理特征和/或原始特征； 在所述 待识别特征中包括原始特征时， 利用预设处理方 式对所述原始特征进行处理得到对应的处理后 特征； 将所述现有处理特征和所述处理后特征进 行拼接得到目标拼接特征； 基于所述目标拼接特 征获得所述待识别对象是否为目标对象的识别 结果。 该技术方案可以兼容已有的现有处理特征 和未经过处理的原始特征， 两种特征均可以为本 公开实施例中的输入特征， 同样 达到了使用多模 态特征识别目标对象 的目的， 在提高了目标对象 识别准确率的情况 下， 降低了成本 。 权利要求书2页 说明书19页 附图4页 CN 114863230 A 2022.08.05 CN 114863230 A 1.一种图像处 理方法， 其中， 包括： 获取待识别对象的待识别特 征； 所述待识别特 征包括现有处 理特征和/或原 始特征； 在所述待识别特征中包括原始特征时， 利用预设处理方式对所述原始特征进行处理得 到对应的处 理后特征； 将所述现有处 理特征和所述处 理后特征进行拼接得到目标拼接特 征； 基于所述目标拼接特 征获得所述待识别对象是否为目标对象的识别结果。 2.根据权利要求1所述的方法， 其中， 所述现有处理特征和/或所述处理后特征包括非 连续型向量特征， 将所述现有处理特征和所述处理后特征进行拼接得到目标拼接特征之 前， 所述方法还 包括： 将所述现有处理特征和/或所述处理后特征中的非连续型向量特征转换成连续性型向 量特征。 3.根据权利要求1或2所述的方法， 其中， 基于所述目标拼接特征获得所述待识别对象 是否为目标对象的识别结果， 包括： 将所述目标拼接特征进行融合， 基于 融合后的特征确定所述待识别对象是否为目标对 象。 4.根据权利要求3所述的方法， 其中， 将所述目标拼接特 征进行融合， 包括： 利用融合层模型将所述目标拼接特征进行融合； 所述融合层模型包括以线性整流函数 作为激活函数的至少一个融合层以及全连接层； 其中， 所述融合层模型为机器学习模型。 5.根据权利要求4所述的方法， 其中， 所述融合层模型包括多个所述融合层， 所述目标 拼接特征经过所述多个融合层后得到的输出结果与所述目标拼接特征进 行残差计算， 残差 结果输入至所述全连接层。 6.根据权利要求1 ‑2、 4‑5任一项所述的方法， 其中， 所述原始特征为多模态特征； 在所 述待识别特征中包括原始特征时， 利用预设处理方式对所述原始特征进 行处理得到对应的 处理后特征， 包括： 利用不同模态特征对应的不同预设处理方式对所述原始特征中不同模态的特征进行 处理， 得到不同模态特 征对应的处 理后特征。 7.根据权利要求6所述的方法， 其中， 所述现有处理特征包括不同模态特征对应的现有 处理特征； 将所述现有处 理特征和所述处 理后特征进行拼接得到目标拼接特 征， 包括： 将所述现有处理特征中不同模态特征对应的现有处理特征进行拼接， 得到第 一拼接特 征； 将所述处 理后特征中不同模态特 征对应的处 理后特征进行拼接， 得到第二 拼接特征； 将所述第一 拼接特征和所述第二 拼接特征进行拼接后得到目标拼接特 征。 8.一种假货识别方法， 其中， 包括： 接收商品的待识别特 征； 所述待识别特 征包括现有处 理特征和/或原 始特征； 在所述待识别特征中包括原始特征时， 利用预设处理方式对所述原始特征进行处理得 到对应的处 理后特征； 将所述现有处 理特征和所述处 理后特征进行拼接得到目标拼接特 征； 基于所述目标拼接特 征输出所述商品是否为 假货商品的识别结果。 9.根据权利要求8所述的方法， 其中， 所述现有处理特征和/或所述处理后特征包括品权　利　要　求　书 1/2 页 2 CN 114863230 A 2牌类别型特征， 将所述现有处理特征和所述处理后特征进行拼接得到目标拼接特征之前， 所述方法还 包括： 为每一商品 品牌设置初始化向量； 将所述品牌类别型 特征对应的特 征值按照预设区间进行归一 化； 将归一化后的值作为权重值， 对所述初始化向量进行加权得到所述品牌类别特征对应 的预处理特征。 10.一种对象识别模型的训练方法， 其中， 包括： 获取样本对象的样本特征以及样本对象是否为目标对象的标签； 所述样本特征包括现 有处理特征和/或原 始特征； 在所述待识别特征中包括原始特征时， 利用预设处理方式对所述原始特征进行处理得 到对应的处 理后特征； 将所述现有处 理特征和所述处 理后特征进行拼接得到目标拼接特 征； 基于所述目标拼接特征以及对象识别模型获得所述样本对象是否为目标对象的预测 结果； 基于所述预测结果以及所述标签对所述对象识别模型进行训练。 11.一种电子设备， 其中， 包括存储器、 处理器以及存储在存储器上的计算机程序， 其 中， 所述处 理器执行所述计算机程序以实现权利要求1 ‑10任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114863230 A 3