一种单样本学习轻量级神经网络的货架商品视觉盘点方法

本发明公开了一种单样本学习轻量级神经网络的货架商品视觉盘点方法。本发明通过构建一个包括主干网络、特征融合和检测头的基于单样本学习的轻量级卷积神经网络模型，并引入了TrackingNet数据集来构造适于单样本学习的数据集，且设置分类损失函数、目标框回归函数和中心度损失函数作为损失函数，以此完成对基于单样本学习的轻量级卷积神经网络模型的训练。通过训练完成的基于单样本学习的轻量级卷积神经网络模型根据用户提供的支持图像在新输入的图像中检测相应的商品，并以矩形框形式标出。使得用户可通过1张商品的图像即可完成盘点任务，同时降低了整个网络的参数量，使得其可部署在低计算资源的计算机上。