识别相似对象的方法、装置及电子设备

技术领域

本发明涉及数据处理技术，更具体地，涉及一种识别相似对象的方法、一种识别相似商品的方法、一种识别相似对象的装置、一种电子设备、及一种计算机可读存储介质。

背景技术

目前，在很多场合都存在相似识别的应用，其中，相似识别也即为识别两个对象是否相似，例如，物流配送中通过相似识别避免出现配送错误，提高配送准确率，又例如，电商平台通过对用户所选商品进行相似识别，以为用户推荐所选商品的相似商品，进而提高用户的购物体验等。

在现有技术中，相似识别均是通过一个识别模型来判断两个对象是否相似，例如通过一个深度学习模型判断两个对象的图像是否相似等。在通过识别模型进行相似识别中，需要设定一个相似阈值，以对相似的对象和不相似的对象进行划分，在此，由于该相似阈值通常为经验值，但该相似阈值却又对识别两个对象是否相似起到决定性作用，因此，现有技术中通过一种识别模型进行相似识别存在准确性较低的问题，这例如体现在针对任意对象识别得到的相似对象列表不完整，或者针对任意对象识别得到的相似对象列表包含不相似的对象等。

发明内容

本发明实施例的一个目的是提供一种进行相似识别的新的技术方案，以提高相似识别的准确性。

根据本发明的第一方面，提供了一种识别相似对象的方法，其包括：

获取目标对象及对应所述目标对象的待识别的对象集合；

通过至少两种识别模型中的每一识别模型，分别针对所述目标对象在所述对象集合中进行相似识别，获得各自识别到的相似对象列表；

根据所述各自识别到的相似对象列表，获得所述目标对象的相似对象清单。

可选的，所述通过至少两种识别模型中的每一识别模型，分别针对所述目标对象在所述对象集合中进行相似识别，获得各自识别到的相似对象列表包括：

通过每一所述识别模型，分别获得所述对象集合中的每一对象与所述目标对象间的相似指标值；

对于每一所述识别模型，根据对应识别模型获得的所述相似指标值，获得对应识别模型识别到的相似对象列表。

可选的，所述根据对应识别模型获得的所述相似指标值，获得对应识别模型识别到的相似对象列表包括：

根据对应识别模型获得的所述相似指标值，在所述对象集合中选取使得所述相似指标值最高的设定数量k个对象，形成对应识别模型识别到的相似对象列表。

可选的，所述方法还包括确定所述设定数量k的步骤，包括：

根据所述设定数量k的当前数值，获得通过每一所述识别模型各自识别到的当前相似对象列表；

获取在所述设定数量k为大于所述当前数值的下一数值时、通过每一所述识别模型各自识别到的下一相似对象列表；

对于每一所述识别模型，比较对应的下一相似对象列表与对应的当前相似对象列表，获得对应的新增对象列表；

在所述当前相似对象列表中的至少部分对象在所有所述新增对象列表中的出现频次均小于设定的第一频次阈值的情况下，确定所述当前数值为所述设定数量k的最终值；

在所述至少部分对象中的任一对象在所有所述新增对象列表中的出现频次大于或者等于所述第一频次阈值的情况下，调整所述设定数值的当前数值。

可选地，所述确定所述设定数量k的步骤还包括选取所述至少部分对象的步骤，包括：

在所有所述当前相似对象列表中，选取出现频次大于或者等于设定的第二频次阈值的对象，最为所述至少部分对象。

可选地，所述确定所述设定数量k的步骤，还包括：

在所述设定数量k的当前数值的基础上，按照设定步距增大所述设定数量k的数值，作为所述下一数值。

可选地，所述调整所述设定数值的当前数值包括：

更新所述设定数值的当前数值等于所述下一数值。

可选的，所述获得所述对象集合中的每一对象与所述目标对象间的相似指标值包括：

通过对应识别模型提取所述目标对象对于对应识别模型设定的特征向量的向量值，及提取所述对象集合中每一对象对于所述特征向量的向量值；

对于所述对象集合中的每一对象，通过对应识别模型获得对应对象的所述向量值与所述目标对象的所述向量值间的距离值，作为对应对象与所述目标对象间的相似指标值。

可选的，所述根据所述各自识别到的相似对象列表，获得所述目标对象的相似对象清单包括：

对于所有所述相似对象列表中的每一对象，根据对应对象在所有所述相似对象列表中的出现频次，获得对应对象的相似评分；

根据所有所述相似对象列表中每一对象的所述相似评分，在所有所述相似对象列表中筛选出与所述目标对象相似的对象，形成所述目标对象的相似对象清单。

可选的，所述根据所有所述相似对象列表中每一对象的所述相似评分，在所有所述相似对象列表中筛选出与所述目标对象相似的对象包括：

在所有所述相似对象列表中，筛选出使得所述相似评分大于或者等于设定的评分阈值的对象，作为与所述目标对象相似的对象。

可选的，所述获取目标对象和对应所述目标对象的待识别的对象集合包括：

响应于对于多个对象的选择操作，在所选择的多个对象中，选取任意对象作为所述目标对象，及选取其他对象构成对应所述目标对象的待识别的对象集合。

可选的，所述获取目标对象和对应所述目标对象的待识别的对象集合包括：

响应于对于对象列表中的任意对象的选择操作，选取所选择的对象作为目标对象，及选取所述对象列表中的其他对象构成对应所述目标对象的对象集合。

可选的，所述方法还包括：

输出所述目标对象的相似对象清单。

可选的，所述输出所述目标对象的相似对象清单包括：

将所述目标对象的相似对象清单发送至与目标账号相绑定的终端设备，其中，所述目标账号为针对所述目标对象和所述对象集合中的对象提供分发服务的账号。

可选的，所述方法还包括：

根据所述目标对象的对象类型，从识别模型集合中选出与所述对象类型相匹配的所述至少两种识别模型。

根据本发明的第二方面，还提供了一种识别相似商品的方法，包括：

获取具有至少一个相同配送特征的商品的商品集合；

对于所述商品集合中的每一商品，通过至少两种识别模型中的每一识别模型，分别针对对应商品在所述商品集合中进行相似识别，获得各自识别到的相似商品列表；

根据所述各自识别到的相似商品列表，获得所述对应商品的相似商品清单。

可选的，所述获取具有至少一个相同配送特征的商品的商品集合，包括：

获取对应相同配送箱和相同配送时间的商品的商品集合。

可选的，所述方法还包括：

将获得的所述相似商品清单发送至与目标账号相绑定的终端设备，其中，所述目标账号为在对应配送时间针对对应配送箱提供配送服务的配送员账号。

根据本发明的第三方面，还提供了一种识别相似商品的方法，包括：

获取具有至少一个相同配送特征的商品的商品集合；

对于所述商品集合中的每一商品，根据预先获得的对应商品在商品库中的相似商品清单，获得对应商品在所述商品集合中的相似列表清单；

通过与目标账号相绑定的终端设备提供获得的相似列表清单；

其中，获得对应商品在商品库中的相似商品清单包括：

通过至少两种识别模型中的每一识别模型，分别针对对应商品在所述商品库中进行相似识别，获得各自识别到的相似商品列表；

根据所述各自识别到的相似商品列表，获得所述对应商品在所述商品库中的相似商品清单。

根据本发明的第四方面，还提供了一种识别相似商品的方法，包括：

获取在当前商品列表中选择的商品作为目标商品；

通过至少两种识别模型中的每一识别模型，分别针对所述目标商品在所述当前商品列表中进行相似识别，获得各自识别到的相似商品列表；

根据所述各自识别到的相似商品列表，获得所述目标商品的相似商品清单；

在所述当前商品列表中展示所述相似商品清单。

根据本发明的第五方面，还提供了一种相似识别方法，包括：

获取在当前商品列表中选择的商品作为目标商品；

根据预先获得的所述目标商品在商品库中的相似商品清单，获得所述目标商品在当前商品列表中的相似列表清单；

在所述当前商品列表中展示所述相似商品清单；

其中，获得所述目标商品在商品库中的相似商品清单包括：

通过至少两种识别模型中的每一识别模型，分别针对所述目标商品在所述商品库中进行相似识别，获得各自识别到的相似商品列表；

根据所述各自识别到的相似商品列表，获得所述目标商品在所述商品库中的相似商品清单。

根据本发明的第六方面，还提供了一种识别相似对象的装置，包括：

对象获取模块，用于获取目标对象及对应所述目标对象的待识别的对象集合；

识别处理模块，用于通过至少两种识别模型中的每一识别模型，分别针对所述目标对象在所述对象集合中进行相似识别，获得各自识别到的相似对象列表；以及，

清单生成模块，根据所述各自识别到的相似对象列表，获得所述目标对象的相似对象清单。

根据本发明的第七方面，还提供了一种电子设备，包括根据本发明的第三方面所述的装置；或者，

所述电子设备包括存储器和处理器；

所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现根据本发明的第一方面至第五方面中任一方面所述的方法。

根据本发明的第五方面，还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有可被计算机读取执行的计算机程序，所述计算机程序用于在被所述计算机读取运行时，执行根据本发明的第一方面至第五方面中任一方面所述的方法。

基于本发明实施例提供的相似识别方案，可以通过至少两种识别模型对目标对象进行相似识别，以分别通过每一识别模型获得各自识别到的相似对象列表，并根据获得的这些相似对象列表筛选出与目标对象相似的对象，生成目标对象的相似对象清单。本实施例的相似识别方案，能够根据分别通过多个识别模型各自识别到的相似对象列表，筛选与目标对象相似的对象，进而可以降低相似阈值对于相似识别结果的影响，提高相似识别的准确率。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1a是本发明实施例的一个可选的应用场景的应用方式示意图；

图1b是本发明实施例的另一个可选的应用场景的应用方式示意图；

图2是能够用于执行本发明实施例的识别相似对象的方法的一种电子设备的硬件结构原理框图；

图3是根据一个实施例的识别相似对象的方法的流程示意图；

图4是根据一个实施例的确定设定数量k的步骤的流程示意图；

图5是根据一个例子的确定设定数量k的操作步骤示意图；

图6是根据一个实施例的识别相似商品的方法的流程示意图；

图7是根据又一个实施例的识别相似商品的方法的流程示意图；

图8是根据一个实施例的识别相似对象的装置的流程示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本实施例的方法可以用于识别目标对象的相似对象，以生成目标对象的相似对象清单，该对象可以是任意的物品、人脸图像等，在此不做限定。本实施例的方法通过至少两个识别模型，分别针对目标对象进行相似识别，以获得各自的相似对象列表，并根据通过各识别模型获得的这些相似对象列表，通过投票等方式，从这些相似对象列表中筛选出该目标对象的相似对象，以生成目标对象的相似对象清单。本实施例可以应用在需要进行相似识别的任意场景，例如物流配送场景、相似商品推送场景、人物追踪场景等等，即，本实施例中的对象可以是商品、其他物品、人脸图像等，在此不做限定。

图1a示出了本实施例的方法在物流配送场景中的应用，在物流配送场景中，配送系统根据订单地址等为每个配送箱分配对应的商品，例如，将商品1、商品2、商品3、商品4、商品5等分配至1#配送箱进行配送，及将商品1、商品5、商品6、商品7、商品8分配至1#配送箱进行配送等。在该物流配送场景中，如果同一配送箱中存在相似商品，则配送员在分派商品的过程中就容易出现派送错误，因此，对于每一配送箱，可以通过本实施例的相似识别方法，对对应配送箱中的每一商品在对应配送箱的商品范围内进行相似识别，以获得每一商品的相似商品清单，并将该相似商品清单发送至对应配送箱的配送员的手机，以提醒配送员在其所负责的配送箱中存在相似商品，避免出现派送错误。

如图1a所示，根据本实施例的方法，例如提供三个不同的识别模型，分别为识别模型M1、识别模型M2和识别模型M3。以1#配送箱为例，可以根据本实施例的方法，分别针对1#配送箱中的每一商品，在1#配送箱的商品范围内，识别各自的相似商品清单。继续以1#配送箱中的商品1为例，将商品1作为目标商品，将1#配送箱中的其他商品作为对应商品1的待识别的商品集合，通过识别模型M1在1#配送箱的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S1；通过识别模型M2在1#配送箱的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S2；及通过识别模型M2在1#配送箱的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S3；最后，根据相似商品列表S1、相似商品列表S2和相似商品列表S3，获得商品1在1#配送箱中的相似物品清单，这例如可以是，通过对这些相似商品列表S1、S2、S3中商品进行投票计数的方式，获得该相似物品清单。在分别针对1#配送箱中的每一商品，在1#配送箱的商品范围内识别得到对应商品的相似商品清单之后，可以将这些相似商品清单发送至1#配送箱的配送员手机3100A，这样，该配送员通过在手机3100A上查询1#配送箱中每一商品的相似商品清单，便可在分派商品时，对1#配送箱中的相似商品进行重点识别，进而避免出现配送错误。

同理，以2#配送箱为例，可以根据本实施例的方法，分别针对2#配送箱中的每一商品，在2#配送箱的商品范围内，识别各自的相似商品清单。例如，2#配送箱也存在商品1，继续以2#配送箱中的商品1为例，将商品1作为目标商品，2#配送箱中的其他商品作为对应商品1的待识别的商品集合，通过识别模型M1在2#配送箱的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S4；通过识别模型M2在2#配送箱的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S5；及通过识别模型M3在2#配送箱的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S6；最后，根据相似商品列表S4、相似商品列表S5和相似商品列表S6，获得商品1在2#配送箱中的相似物品清单。在分别针对2#配送箱中的每一商品，在2#配送箱的商品范围内识别得到对应商品的相似商品清单之后，可以将这些相似商品清单发送至2#配送箱的配送员手机3100B，这样，该配送员通过在手机3100B上查询2#配送箱中每一商品的相似商品清单，便可在分派商品时，对2#配送箱中的相似商品进行重点识别，进而避免出现配送错误。

图1b示出了本实施例的方法在商品推送场景中的应用。在该场景中，例如用户通过用户终端2000在电商平台的客户端中搜索“运动裤”，该客户端将提供商品标签为“运动裤”的商品列表，在此基础上，用户如果选择了该商品列表中的商品1，例如点击了该商品1的列表项，则可以选取所选择商品1作为目标商品，及选取该商品列表中的其他商品构成所选择商品1的待识别的商品集合，以应用根据本实施例的方法，在该商品集合中识别出与所选择商品1相似的商品，进而获得所选择商品1的相似商品清单，并将该相似商品清单推荐给用户，以缩小用户在筛选所需商品时的筛选范围。该场景下，根据本实施例方法，通过识别模型M1在搜索出来的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S7；通过识别模型M2在搜索出来的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S8；及通过识别模型M3在搜索出来的其他商品中，识别出与商品1相似的商品，形成商品1的相似商品列表S9；最后，根据相似商品列表S7、相似商品列表S8和相似商品列表S9，获得商品1在搜索出来的商品中的相似物品清单，该相似物品清单例如包括商品1-1、商品1-2、商品1-3、商品1-4等，并基于该相似商品清单，在商品列表中增加相似商品条目，及在相似商品条目下提供相似商品清单中的商品的列表项，以供用户进行快速选择。

对于本实施例的相似识别方法的任意应用场景，可以在需要进行相似识别方法的每个事件中，在线实施该识别相似对象的方法，以下将识别相似对象的方法、识别相似商品的方法等统一简称为相似识别方法。

对于本实施例的相似识别方法的任意应用场景，也可以在后台中，预先根据本实施例的相似识别方法对对象库中的所有对象，例如对商品库中的所有商品，进行相似识别，进而产生每一对象在该对象库中的相似列表清单，然后，在发生以上事件时，可以通过查找目标对象在该对象库中的相似列表清单，获得并输出目标对象在对应事件中的相似列表清单。例如，目标对象在对应事件中的待识别的对象集合包括对象1～对象4，则，对于对象1～对象4中的每一对象，可以在预先获得的目标对象在对象库中的相似列表清单中，查找是否存在对应对象，如存在，则说明目标对象在对应事件中的相似列表清单包括该对应对象。

<硬件配置>

图2示出了能够用于执行本发明任意实施例的相似识别方法的电子设备的硬件结构原理框图。

如图2所示，该电子设备1000可以任意类型的终端设备，也可以是任意类型的服务器，包括云服务器、服务器集群等，在此不做限定。

该终端设备可以是便携式电脑、台式计算机、手机、平板电脑等，在此不做限定。

如图2所示，电子设备1000可以包括处理器1100、及均与处理器连接的存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700和麦克风1800等等。其中，处理器1100用于执行计算机程序。该计算机程序可以采用比如x86、Arm、RISC、MIPS、SSE等架构的指令集编写。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏等。输入装置1600例如可以包括触摸屏、键盘、语音输入、体感输入等。扬声器1700用于输出音频信号。麦克风1800用于采集音频信号。

应用于本发明实施例中，电子设备1000的存储器1200用于存储指令(计算机程序)，该指令用于控制处理器1100进行操作以执行根据本发明任意实施例提供的相似识别方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

本领域技术人员应当理解，尽管在图1中对电子设备1000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，电子设备1000只涉及处理器1100和存储器1200等。

在另外的实施例中，该电子设备1000还可以包括根据本发明任意实施例的相似识别装置，该相似识别装置的各个模块可以由以上实施例中的电子设备1000的处理器1100实现。

<方法实施例一>

图3是根据一个实施例的相似识别方法的流程示意图。本实施例中，该相似识别方法可以由任意的电子设备实施，例如由图1中的电子设备1000实施，该电子设备可以是终端设备，也可以是服务器。

如图3所示，本实施例的相似识别方法可以包括如下步骤S3100～S3300：

步骤S3100，获取目标对象及对应该目标对象的待识别的对象集合。

本实施例中，该对象可以是任意实体，例如是商品等物品、任意物体、人脸图像等等，在此不做限定。

本实施例中，需要在待识别的对象集合中识别出与目标对象相似的对象，进而获得目标对象的相似对象清单，即，该相似对象清单包含与目标对象相似的各个对象。

在一个实施例中，该方法应用于在选择的多个对象中，识别与其中的任意对象相似的其他对象的任意场景，例如，应用于如图1a所示的物流配送场景。

该实施例中，该步骤S3100中获取目标对象及对应该目标对象的待识别的对象集合，可以包括：响应于对于多个对象的选择操作，在所选择的多个对象中，选取任意对象作为该目标对象，及选取其他对象构成对应该目标对象的待识别的对象集合。

在一个实施例中，该方法也可以应用于针对所选择的一个对象，识别与该对象相似的其他对象的任意场景，例如，应用于如图1b所示的商品推送场景等。

该实施例中，该步骤S3100中获取目标对象及对应该目标对象的待识别的对象集合，可以包括：响应于对于对象列表中的任意对象的选择操作，选取所选择的对象作为目标对象，及选取该对象列表中的其他对象构成对应该目标对象的对象集合。

该实施例中，该对象列表例如用于展示根据用户输入的搜索条件查询到的对象的列表项，即，该对象列表包含根据该搜索条件查询到的各个对象的列表项。该列表项可以包含对应对象的基本信息等，通过点击该列表项，可以进入对应对象的详情界面。

步骤S3200，通过至少两种识别模型中的每一识别模型，分别针对该目标对象在对象集合中进行相似识别，获得各自识别到的相似对象列表。

本实施例中，可以设置两种不同的识别模型或者两种以上不同的识别模型。

该识别模型可以是任意的能够进行相似识别的模型。

该识别模型可以包括两个部分，一个是特征提取模型，另一个是相似计算模型。特征提取模型用于提取任意对象对于设定的特征向量的向量值，以通过该向量值代表对应的对象，该特征向量可以是一维的，即由一个特征构成，也可以是多维的，即由多个特征构成，该向量值由任意对象对于每一特征的特征值组成。例如，特征向量包括15个特征，则任意对象对于该特征向量的向量值则包括15个特征值。

相似计算模型用于根据两个对象的向量值计算表示两个对象间的相似程度的相似指标值，该相似指标值例如是表示两个向量值间距离的距离值，其中，相似指标值越大，说明两个对象越相似。

该特征提取模型可以基于任意的深度学习模型进行。该相似计算模型计算得到的相似指标值例如可以是欧氏距离值、曼哈顿距离值、明氏距离值、余弦距离值、皮尔森相关系数等，在此不做限定。

对于两个识别模型，只要特征提取模型和相似计算模型中的任意一项不同，二者即为不同的识别模型。

本实施例中至少两种识别模型例如可以包括Siamese模型、DeepRanking模型、Inception模型中的至少一个模型。

根据步骤S3200，可以通过至少两种识别模型中的每一识别模型，分别在对象集合中筛选出与目标对象相似的对象，进而获得至少两种识别模型各自识别到的相似对象列表，即，相似对象列表包含对应识别模型在对象集合中筛选出的与目标对象相似的各个对象。

仍以图1场景为例，对于设置的三个识别模型M1、M2、M3的例子，根据步骤S3200，将获得通过识别模型M1识别得到的相似对象列表、通过识别模型M2识别得到的相似对象列表、及通过识别模型M3识别得到的相似对象列表。

该例子中，由于三个识别模型M1、M2、M3在特征提取及相似计算中的至少一项不同，因此，各自识别得到的相似对象列表所包含的对象很可能存在差异。

在一个实施例中，对于任意识别模型而言，通过该识别模型获得对象集合中每一对象对于目标对象的相似指标值，并根据获得的相似指标值的高低排序，获得通过该识别模型识别得到的相似对象列表，这有利于耗用较少的数据处理量，获得通过该识别模型识别得到的相似对象列表。

该实施例中，步骤S3200中通过至少两种识别模型中的每一识别模型，分别针对该目标对象在该对象集合中进行相似识别，获得各自识别到的相似对象列表，可以包括如下步骤S3210～S3220：

步骤S3210，通过每一识别模型，分别获得该对象集合中的每一对象与该目标对象间的相似指标值。

本步骤S3210中，将分别调用每一识别模型，获得该对象集合中的每一对象与目标对象间的相似指标值。

继续以图1为例，该步骤S3210中，通过识别模型M1获得该对象集合中的每一对象与该目标对象间的相似指标值，即，一个对象对应一个通过识别模型M1获得的相似指标值；通过识别模型M2获得该对象集合中的每一对象与该目标对象间的相似指标值，即，一个对象对应一个通过识别模型M2获得的相似指标值；以及，通过识别模型M3获得该对象集合中的每一对象与该目标对象间的相似指标值，即，一个对象对应一个通过识别模型M3获得的相似指标值。

该步骤S3210中，获得该对象集合中的每一对象与该目标对象间的相似指标值，可以包括：

步骤S3211，通过对应识别模型提取该目标对象对于对应识别模型设定的特征向量的向量值，及提取该对象集合中每一对象对于该特征向量的向量值。

本步骤S3211中，对于每一识别模型，可以预先设置其特征提取模型需要提取的特征向量。

不同的识别模型设定不同的特征向量，也可以设定相同的特征向量，在此不做限定。

该识别模型可以从对象数据中提取该对象对于该识别模型设定的特征向量的向量值。该对象数据包括对象图像、描述对象的文字信息中的至少一项。

步骤S3212，对于该对象集合中的每一对象，通过对应识别模型获得对应对象的该向量值与目标对象的该向量值间的距离值，作为对应对象与该目标对象间的相似指标值。

通过以上步骤S3211和步骤S3212，可以通过每一识别模型，分别获得该对象集合中的每一对象与该目标对象间的相似指标值，以供根据相似指标值的高低排序，获得对应识别模型识别到的相似对象列表。

S3220，对于每一识别模型，根据对应识别模型获得的相似指标值，获得对应识别模型识别到的相似对象列表。

该实施例中，对于每一识别模型，可以根据通过对应识别模型获得的相似指标值的高低排序，在对象集合中选取使得相似指标值最高的设定数量k个对象，形成对应识别模型识别到的相似对象列表。

不同识别模型可以对应相同的设定数量k，也可以对应不同的设定数量k，在此不做限定。

继续参照图1，例如，设置每个识别模型的设定数量k均为5，及设置对象集合中包括30个对象，则通过识别模型M1获得30个对象中每一对象对于目标对象的相似指标值，并在30个对象中选出相似指标值最高的5个对象，形成识别模型M1识别到的相似对象列表；通过识别模型M2获得30个对象中每一对象对于目标对象的相似指标值，并在30个对象中选出相似指标值最高的5个对象，形成识别模型M2识别到的相似对象列表；及识别模型M3获得30个对象中每一对象对于目标对象的相似指标值，并在30个对象中选出相似指标值最高的5个对象，形成识别模型M3识别到的相似对象列表。

在一个实施例中，每一识别模型对应的设定数量k可以为预先设定的固定值。

由于不同目标对象在对象集合中的相似对象的数量都不相同，所以，设置固定的设定数量k对于一些目标对象会获得较为准确的识别结果，而对于另一些目标对象则可能出现最终获得的相似对象清单包含了不相似的对象或者该相似对象清单中的相似对象不全的问题，因此，在一个实施例中，设置设定数量k可以在识别过程中，根据每一识别模型各自识别到的相似对象列表的情况进行自适应调整，以进一步提高相似识别的准确性。

步骤S3300，根据所有识别模型各自识别到的相似对象列表，获得该目标对象的相似对象清单。

该步骤S3300中，可以根据各相似对象列表中每一对象在各相似对象列表中的出现情况，获得各相似对象列表中每一对象的相似评分，并根据相似评分判定对应对象是否能够作为与目标对象相似的对象，而列入最终的相似对象清单中。

因此，在一个实施例中，该步骤S3300中根据所有识别模型各自识别到的相似对象列表，获得该目标对象的相似对象清单可以包括如下步骤S3310～S3330：

步骤S3310，对于所有相似对象列表中的每一对象，根据对应对象在所有所述相似对象列表中的出现情况，获得对应对象的相似评分。

该出现情况可以包括出现频次，该相似评分可以简单地等于对应对象在各相似对象列表中的出现频次。例如，一个对象出现在两个识别模型识别得到的相似对象列表中，则该对象的相似评分等于2。

该出现情况也可以包括对应对象所出现在的相似对象列表，对应地，该相似评分也可以根据对应对象所出现在的相似对象列表确定。由于对应对象所出现在的相似对象列表与识别模型具有映射关系，在此，可以为不同识别模型设置不同的权重，并根据权重计算对应对象的相似评分。例如，一个对象出现在两个识别模型识别得到的相似对象列表中，则该对象的相似评分将等于这两个识别模型的权重之和等。

步骤S3320，根据所有相似对象列表中的每一对象的相似评分，在所有相似对象列表中筛选出与目标对象相似的对象，形成目标对象的相似对象清单。

根据该步骤，例如可以在所有相似对象列表中筛选出使得相似评分大于或者等于设定的评分阈值的对象，作为与目标对象相似的对象，进而形成目标对象的相似对象清单。

在相似评分等于出现频次的情况下，该评分阈值可以根据设置的识别模型的数量确定，该评分阈值可以取值为识别模型中的多数，例如设置三个识别模型，则评分阈值可以设置为2，又例如设置五个识别模型，则评分阈值可以设置为3等，在此不做限定。

为了便于设置评分阈值，在一个实施例中，可以设置至少两个识别模型为奇数个识别模型。

根据以上步骤S3100～S3300可知，本实施例方法通过至少两个识别模型分别在各自的通道上对目标对象在对应的对象集合的范围内进行相似识别，以分别获得每一识别模型各自识别到的目标对象的相似对象列表，并根据这些相似对象列表获得目标对象的相似对象清单，本实施例方法能够有效降低识别中设置的各种阈值对最终的识别结果的影响，提高了相似识别的准确性。

在一个实施例中，设置设定数量k可以在识别过程中，根据每一识别模型各自识别到的相似对象列表的情况进行自适应调整，以使得每一识别模型能够基于自适应调整后的设定数量k，获得各自识别到的相似对象列表。

该实施例中，如图4所示，该确定设定数量k的数值的方法可以包括如下步骤S4100～S4500：

步骤S4100，根据设定数量k的当前数值，获得通过每一识别模型各自识别到的当前相似对象列表。

该实施例中，可以预先设置设定数量k的初始值，该初始值可以为较小的数值，例如初始值取为2或者3等。

该实施例中，在根据设定数量k进行的第一次识别操作中，该当前数值即为设定数量k的初始值。在根据设定数量k进行的第二次识别操作中，该当前数值等于在初始值的基础上增加设定步距后的数值。

该设定步距可以考虑相似识别精度和处理速度确定，例如设定步距选择为1，以优先获得最高的相似识别精度。

这样，例如设定数量k的初始值为2，则第二次识别操作中，设定数量k的当前数值即为3，以后每一次识别操作，设定数量的当前数值将以1为步距增加。

步骤S4200，获取在设定数量k为大于当前数值的下一数值时、通过每一识别模型各自识别到的下一相似对象列表。

该下一数值可以是在当前数值的基础上，按照设定步距增大设定数量k得到的数值。对此，确定设定数量k的步骤还可以包括：在设定数量k的当前数值的基础上，按照设定步距增大所述设定数量k的数值，作为该下一数值。

该下一数值也可以是大于当前数值的其他数值，在此不做限定。

步骤S4300，对于每一识别模型，比较对应的下一相似对象列表与对应的当前相似对象列表，获得对应的新增对象列表。

根据该步骤S4300，对于每一识别模型，均将获得一份新增对象列表。

参见图1的例子，根据该步骤S4300，对于识别模型M1，获得通过识别模型M1识别得到的下一相似对象列表相对该识别模型M1识别得到的当前相似对象列表的新增对象，进而获得对应的新增对象列表；对于识别模型M2，获得通过识别模型M2识别得到的下一相似对象列表相对该识别模型M2识别得到的当前相似对象列表的新增对象，进而获得对应的新增对象列表；以及，对于识别模型M3，获得通过识别模型M3识别得到的下一相似对象列表相对该识别模型M3识别得到的当前相似对象列表的新增对象，进而获得对应的新增对象列表。即，在该例子中，将通过步骤S4300获得三份新增对象列表。

步骤S4400，在当前相似对象列表中的至少部分对象在所有新增对象列表中的出现频次小于设定的第一频次阈值的情况下，确定该当前数值即为设定数量k的最终值。

该步骤S4400中，可以在所有当前相似列表中选取该至少部分对象，作为参照对象。

例如，可以将所有当前相似对象列表中的每一对象均作为该参照对象。

又例如，可以将所有当前相似对象列表中的满足设定条件的对象，作为该参照对象。

该设定条件例如为在所有当前相似对象列表中的出现频次大于或者等于设定的第二频次阈值。

该设定条件例如也可以与上述相似评分的评分阈值相同等，在此不做限定。

在确定设定数量k的最终值后，便可结束本次确定设定数量k的操作，并可进一步根据该设定数量k的最终值，通过多个识别模型各自识别到的相似对象列表。

该第一频次阈值可以考虑相似识别精度和处理速度确定，例如，出于尽量避免遗漏相似对象的考虑，该第一频率阈值可以取值为1。

该第一频次阈值也可以根据设置的识别模型的数量确定，例如，该频次阈值可以取值为识别模型中的多数等，在此不做限定。

在第一频次阈值为1时，根据该步骤S4400，只要每一参照对象在所有新增对象列表中的出现频次小于1，即，在这些新增对象列表中没有出现任一参照对象，则可确定设定数量k的最终值即为该当前数值。

步骤S4500，在至少部分对象(即参照对象)中的任一对象在所有新增对象列表中的出现频次大于或者等于该第一频次阈值的情况下，调整该设定数值的当前数值。

调整该设定数值k的当前数值后，可以再一次通过以上步骤S4100～S4500，确定调整后的当前数值是否为设定数值k的最终值。该调整可以按照设定步距调整，也可以随机调整，在此不做限定。

该步骤S4500中调整该设定数值的当前数值可以包括：更新该设定数值的当前数值等于上述下一数值。

在第一频次阈值为1时，根据步骤S4500，只要任一参照对象出现在任一新增对象列表中，则说明，在设定数值k为当前数值的情况下，至少一个识别模型识别得到的相似对象列表中遗漏了与目标对象相似的对象，需要调整该设定数量k的数值。

在步骤S4500之后，将回到上述步骤S4100继续执行步骤S4100，直至确定该识别模型的设定数量k的最终值为止。

图5示出了确定设定数量k的一个例子，在图5的例子中，该方法设置了三个识别模型M1、M2、M3参与识别目标对象15的相似对象。该例子中，第一频次阈值设置为1，第二频次阈值设置为2，设定数量k的初始值取为3，设定步距为1，相似评分由出现频次表示，评分阈值设置为2。

如图5所示，对于目标对象15，通过识别模型M1确定对象集合中每一对象与该目标对象15间的相似指标值，按照相似指标值从高至低排列，对象集合中位于前8位的对象包括对象01、对象08、对象05、对象04、对象02、对象18、对象11、对象10。对于目标对象15，通过识别模型M2确定对象集合中每一对象与该目标对象15间的相似指标值，按照相似指标值从高至低排列，对象集合中位于前8位的对象包括对象01、对象05、对象02、对象08、对象04、对象18、对象07、对象12。通过识别模型M3确定对象集合中每一对象与该目标对象15间的相似指标值，按照相似指标值从高至低排列，对象集合中位于前8位的对象包括对象01、对象08、对象06、对象04、对象05、对象16、对象14、对象13。

在自适应调整设定数量k，以确定设定数量k的最终值时，先进行第一次识别操作，此时，设定数量k的当前数值为初始值3。根据步骤S4100中，如图5所示，获得通过识别模型M1识别到的当前相似对象列表将包括3个相似指标值最高的对象，即包括对象01、对象08和对象05；获得通过识别模型M2识别到的当前相似对象列表包括3个相似指标值最高的对象，即包括对象01、对象05、对象02；以及，获得通过识别模型M3识别到的当前相似对象列表包括3个相似指标值最高的对象，即包括对象01、对象08、对象06。

然后，按照设定步距1增大设定数值k，获得设定数值k的下一数值为4。

在设定数量k为4的情况下，根据步骤S4200，如图5所示，将获得通过识别模型M1识别到的下一相似对象列表包括4个相似指标值最高的对象，即包括对象01、对象08、对象05和对象04；将获得通过识别模型M2识别到的下一相似对象列表包括4个相似指标值最高的对象，即包括对象01、对象05、对象02和步骤08；以及，将获得通过识别模型M3识别到的下一相似对象列表包括4相似指标值最高的对象，即包括对象01、对象08、对象06和对象04。

继续根据步骤S4300，可以获得对应识别模型M1的新增对象列表包括对象04，获得对应识别模型M2的新增对象列表包括对象08、及获得对应识别模型M3的新增对象列表包括对象04。

在获得各个新增对象列表后，可以在所有当前相似对象列表中筛选

出现频次大于或者等于设定的第二频次阈值(本例子中为2)的至少部分对象，作为参照对象，获得参照对象包括对象01、对象08和对象05。

在获得参照对象后，根据步骤S4400和步骤S4500进行判断，该例子中，由于参照对象8在各新增对象列表中出现了1次，达到了第一频次阈值的要求，因此，需要根据步骤S4500更新该设定数值的当前数值为4，以进行第二次识别操作。

在进行第二次识别操作时，设定数值的当前数值为4，在步骤S4100中获得的各个当前相似对象列表即为第一次识别操作中的下一相似对象列表，在此不再赘述。

然后，按照设定步距1增大设定数值k，获得设定数值k的下一数值为5。

在设定数量k为5的情况下，根据步骤S4200，如图5所示，获得通过识别模型M1识别到的下一相似对象列表将包括5个相似指标值最高的对象，即包括对象01、对象08、对象05、对象04和对象02；获得通过识别模型M2识别到的下一相似对象列表包括5个相似指标值最高的对象，即包括对象01、对象05、对象02、对象08和对象04；以及，获得通过识别模型M3识别到的下一相似对象列表包括5相似指标值最高的对象，即包括对象01、对象08、对象06、对象04和对象05。

继续根据步骤S4300，可以获得对应识别模型M1的新增对象列表包括对象02，获得对应识别模型M2的新增对象列表包括对象04、及获得对应识别模型M3的新增对象列表包括对象05。

在获得各个新增对象列表后，可以在所有当前相似对象列表中筛选出现频次大于或者等于设定的第二频次阈值(本例子中为2)的参照对象，获得参照对象包括对象01、对象08、对象05和对象04。

在获得参照对象后，根据步骤S4400和步骤S4500进行判断，该例子中，由于参照对象05和参照对象04在各新增对象列表中出现了1次，达到了第一频次阈值的要求，因此，需要根据步骤S4500更新该设定数值的当前数值为5，以进行第三次识别操作。

在进行第三次识别操作时，设定数值的当前数值为5，在步骤S4100中获得的各个当前相似对象列表即为第二次识别操作中的下一相似对象列表，在此不再赘述。

然后，按照设定步距1增大设定数值k，获得设定数值k的下一数值为6。

在设定数量k为5的情况下，根据步骤S4200，如图5所示，获得通过识别模型M1识别到的下一相似对象列表将包括6个相似指标值最高的对象，即包括对象01、对象08、对象05、对象04、对象02和对象18；获得通过识别模型M2识别到的下一相似对象列表包括6个相似指标值最高的对象，即包括对象01、对象05、对象02、对象08、对象04和对象18；以及，获得通过识别模型M3识别到的下一相似对象列表包括5相似指标值最高的对象，即包括对象01、对象08、对象06、对象04、对象05和对象14。

继续根据步骤S4300，可以获得对应识别模型M1的新增对象列表包括对象18，获得对应识别模型M2的新增对象列表包括对象18、及获得对应识别模型M3的新增对象列表包括对象16。

在获得各个新增对象列表后，可以获得参照对象包括对象01、对象08、对象05、对象04和对象02。

在获得参照对象后，根据步骤S4400和步骤S4500进行判断，该例子中，任意参照对象均未出现在新增对象列表中，因此，可以确定设定数量k的最终值为当前数值5。

在确定设定数量k的最终值为5的情况下，步骤S3200中通过各个识别模型识别得到的相似对象列表即为在确定设定数量k的第三次识别操作中的当前相似对象列表。在该例子中，根据步骤S3300可以根据各个识别模型识别得到的相似对象列表，获得目标对象15的相似对象清单，按照相似评分从高至低排序，包括对象01、对象08、对象04、对象05和对象02。

根据本实施例，可以在通过各识别模型获得对象集合中每一对象对于目标对象的相似指标值之后，通过本实施例的方法自适应调整设定数值，以使得该设定数值对于确定的目标对象和对象集合，及确定的识别模型而言，是最为合适的数值，这样，在根据每一识别模型获得的相似指标值，按照调整后的设定数量k，在对象集合中筛选出对应识别模型识别得到的相似对象列表，并根据这些相似对象列表获得目标对象的相似对象清单时，便可保证最终得到的相似对象清单中既不包含与目标对象不相似的对象，也未遗漏与目标对象相似的对象，最大程度地降低了各数值及阈值的设置对识别结果的准确性的影响，有效地提高了相似识别的准确性。

在一个实施例中，该方法还可以包括：在根据步骤S3100获取到目标对象之后，可以根据该目标对象的对象类型，从识别模型集合中选出与该对象类型相匹配的至少两种识别模型，以用于实施以上步骤S3200。

该实施例中，可以设置识别模型集合，该识别模型集合中包含多种识别模型，并预先存储记录分别与不同对象类型相匹配的识别模型的映射表，这样，在确定目标对象之后，便可根据该目标对象的对象类型及该映射表，选取出适合于针对目标对象进行相似识别的识别模型。

该对象类型例如可以是物品图像、人脸图像、文字内容等。

该实施例中，由于不同的识别模型具有各自擅长的识别对象，该实施例选取与目标对象的对象类型相匹配的多个识别模型进行相似识别，有利于提高识别结果的准确性。

在一个实施例中，该方法还可以包括：在根据步骤S3300获得目标对象的相似对象清单之后，可以输出该目标对象的相似对象清单。

该输出该目标对象的相似对象清单包括显示该相似对象清单、打印该相似对象清单、将该相似对象清单发送至目标设备中的至少一种。

例如，该输出目标对象的相似对象清单可以包括：将目标对象的相似对象清单发送至与目标账号相绑定的终端设备，其中，该目标账号为针对目标对象和对象集合中的对象提供分发服务的账号。

该提供分发服务的账号例如是图1a所示列子中的1#配送箱的配送员的工作账号等。

<方法实施例二>

在该实施例中，还提供了一种相似识别方法，该实施例可以应用于如图1a所示的物流配送场景。

如图6所示，该实施例中，该相似识别方法可以包括如下步骤S6100～S6300：

步骤S6100，获取具有至少一个相同配送特征的商品的商品集合。

该步骤S6100中，例如可以获取对应相同配送箱和相同配送时间的商品的商品集合，即，获取到的商品集合同时分配至同一配送箱中进行统一配送。

步骤S6200，对于商品集合中的每一商品，通过至少两种识别模型中的每一识别模型，分别针对对应商品在该商品集合中进行相似识别，获得各自识别到的相似商品列表。

该实施例中，应该理解的是，在针对对应商品在该商品集合中进行相似识别时，无需进行对应商品与商品集合中相同商品的相似识别，即，该商品集合中除对应商品之外的其他商品构成对应商品的待识别的商品集合。

步骤S6300，根据各自识别到的相似商品列表，获得对应商品的相似商品清单。

这样，该配送箱在该配送时间的配送员可以根据该相似商品清单，获知配送箱中所有商品的相似关系，进而在配送中重点分辨相似的商品，以实现准确配送。

在一个实施例中，该方法还可以包括：将获得的相似商品清单发送至与目标账号相绑定的终端设备，其中，该目标账号为在对应配送时间针对对应配送箱提供配送服务的配送员账号。

在另外的实施例中，也可以直接打印该相似商品清单粘贴至该配送箱上，以供配送员在配送过程中分辨相似商品使用。

该物流配送场景中，在一个实施例中，该相似识别方法也可以包括如下步骤：

步骤S6100＇，获取具有至少一个相同配送特征的商品的商品集合。

步骤S6200＇，对于该商品集合中的每一商品，根据预先获得的对应商品在商品库中的相似商品清单，获得对应商品在所述商品集合中的相似列表清单。

该步骤中，可以通过查找对应商品在商品库中的相似商品清单中是否存在该商品集合中的其他商品，来确定对应商品在该商品集合中的相似列表清单。

该实施例中，以上预先获得对应商品在商品库中的相似商品清单，可以包括：通过至少两种识别模型中的每一识别模型，分别针对对应商品在所述商品库中进行相似识别，获得各自识别到的相似商品列表；以及，根据所述各自识别到的相似商品列表，获得所述对应商品在所述商品库中的相似商品清单。

步骤S6300＇，通过与目标账号相绑定的终端设备提供获得的相似列表清单，其中，该目标账号为针对商品集合提供配送服务的配送员账号。

该实施例中，预先获得的每一商品在商品库中的相似商品清单可以保存在服务器中，配送员在需要获取所配送商品在配送箱构成的商品集合中的相似商品列表时，可以将该商品集合的商品列表发送至服务器实施以上步骤S6100＇～S6300＇。对此，该步骤S6300＇中，通过与目标账号相绑定的终端设备提供获得的相似列表清单可以包括：将获得的相似商品清单发送至与目标账号相绑定的终端设备。

该实施例中，以上步骤S6100＇～S6300＇也可以由终端设备实施，例如，可以由与目标账号相绑定的终端设备实施。对此，终端设备可以从服务器获取预先获得的每一商品在商品库中的相似商品清单，以确定每一商品在商品集合中的相似商品清单，在此不做限定。

<方法实施例三>

在该实施例中，还提供了一种相似识别方法，该实施例可以应用于如图1b所示的商品推送场景。

如图7所示，该实施例中，该相似识别方法可以包括如下步骤S7100～S7400：

步骤S7100，获取在当前商品列表中选择的商品作为目标商品。

该当前商品列表可以是根据用户输入的搜索条件搜索到的符合该搜索条件的商品的列表，该商品列表包括搜索到的符合该搜索条件的各个商品的列表项。

步骤S7200，通过至少两种识别模型中的每一识别模型，分别针对目标商品在该当前商品列表中进行相似识别，获得各自识别到的相似商品列表。

该实施例中，应该理解的是，在针对对应商品在该商品列表中进行相似识别时，无需进行对应商品与商品列表中相同商品的相似识别，即，该商品列表中除对应商品之外的其他商品构成对应商品的待识别的商品集合。

步骤S7300，根据各自识别到的相似商品列表，获得目标商品的相似商品清单。

步骤S7400，在当前商品列表中展示该相似商品清单。

该步骤S7400可以是在当前商品列表中增加展示相似商品的相似商品区，并在该相似商品区展示该相似商品清单中商品的列表项，参见图1b所示。

该商品推送场景中，在一个实施例中，该相似识别方法也可以包括如下步骤：

步骤S7100＇，获取在当前商品列表中选择的商品作为目标商品。

步骤S7200＇，根据预先获得的目标商品在商品库中的相似商品清单，获得该目标商品在当前商品列表中的相似列表清单。

该步骤中，可以通过查找目标商品在商品库中的相似商品清单中是否存在该当前商品列表中的其他商品，来确定对应商品在该当前商品列表中的相似列表清单。

该实施例中，预先获得目标商品在商品库中的相似商品清单可以包括：通过至少两种识别模型中的每一识别模型，分别针对目标商品在商品库中进行相似识别，获得各自识别到的相似商品列表；根据各自识别到的相似商品列表，获得目标商品在所述商品库中的相似商品清单。

步骤S7300＇，在所当前商品列表中展示所述相似商品清单。

<装置实施例>

在一个实施例中，还提供了一种识别相似对象的装置，图8示出了一个实施例中的该装置8000的原理框图。

根据图8所示，该装置8000可以包括对象获取模块6010、识别处理模块8020和清单生成模块8030。

该对象获取模块8010用于获取目标对象及对应该目标对象的待识别的对象集合。

该识别处理模块8020用于通过至少两种识别模型中的每一识别模型，分别针对目标对象在对象集合中进行相似识别，获得各自识别到的相似对象列表。

该清单生成模块8030根据各自识别到的相似对象列表，获得该目标对象的相似对象清单。

在一个实施例中，该识别处理模块8020在通过至少两种识别模型中的每一识别模型，分别针对目标对象在对象集合中进行相似识别，获得各自识别到的相似对象列表时，可以用于：通过每一所述识别模型，分别获得所述对象集合中的每一对象与所述目标对象间的相似指标值；以及，对于每一识别模型，根据对应识别模型获得的相似指标值，获得对应识别模型识别到的相似对象列表。

在一个实施例中，该识别处理模块8020在根据对应识别模型获得的相似指标值，获得对应识别模型识别到的相似对象列表时，可以用于：根据对应识别模型获得的所述相似指标值，在对象集合中选取使得相似指标值最高的设定数量k个对象，形成对应识别模型识别到的相似对象列表。

在一个实施例中，该装置8000还可以包括参数确定模块，该参数确定模块在确定设定数量k时，可以用于：根据所述设定数量k的当前数值，获得通过每一所述识别模型各自识别到的当前相似对象列表；按照设定步距增大所述设定数量k的数值，作为所述设定数量k的下一数值；获取在所述设定数量k为所述下一数值时、通过每一所述识别模型各自识别到的下一相似对象列表；对于每一识别模型，比较对应的下一相似对象列表与对应的当前相似对象列表，获得对应的新增对象列表；在所有当前相似对象列表中选取参照对象；在每一参照对象在所有新增对象列表中的出现频次均小于设定的第一频次阈值的情况下，确定该当前数值为设定数量k的最终值；以及，在任一参照对象在所有所述新增对象列表中的出现频次大于或者等于第一频次阈值的情况下，更新设定数值的当前数值等于上述下一数值。

在一个实施例中，参数确定模块于在所有当前相似对象列表中选取参照对象时，可以用于：在所有当前相似对象列表中，选取出现频次大于或者等于设定的第二频次阈值的对象，最为参照对象。

在一个实施例中，该对象获取模块8010在获得对象集合中的每一对象与目标对象间的相似指标值时，可以用于：通过对应识别模型提取目标对象对于对应识别模型设定的特征向量的向量值，及提取对象集合中每一对象对于该特征向量的向量值；以及，对于对象集合中的每一对象，通过对应识别模型获得对应对象的向量值与目标对象的向量值间的距离值，作为对应对象与目标对象间的相似指标值。

在一个实施例中，该清单生成模块8030在根据各自识别到的相似对象列表，获得目标对象的相似对象清单时，可以用于：对于所有相似对象列表中的每一对象，根据对应对象在所有相似对象列表中的出现频次，获得对应对象的相似评分；以及，根据所有相似对象列表中每一对象的相似评分，在所有相似对象列表中筛选出与所述目标对象相似的对象，形成目标对象的相似对象清单。

在一个实施例中，该清单生成模块8030在根据所有相似对象列表中每一对象的所述相似评分，在所有相似对象列表中筛选出与目标对象相似的对象时，可以用于：在所有相似对象列表中，筛选出使得相似评分大于或者等于设定的评分阈值的对象，作为与该目标对象相似的对象。

在一个实施例中，该对象获取模块8010在获取目标对象和对应目标对象的待识别的对象集合时，可以用于：响应于对于多个对象的选择操作，在所选择的多个对象中，选取任意对象作为所述目标对象，及选取其他对象构成对应所述目标对象的待识别的对象集合。

在一个实施例中，该对象获取模块8010在获取目标对象和对应目标对象的待识别的对象集合时，可以用于：响应于对于对象列表中的任意对象的选择操作，选取所选择的对象作为目标对象，及选取对象列表中的其他对象构成对应目标对象的对象集合。

在一个实施例中，该相似识别装置8000还可以包括输出处理模块，该输出处理模块用于输出由清单生成模块8030提供的该目标对象的相似对象清单。

在一个实施例中，该输出处理模块在输出目标对象的相似对象清单时，可以用于：将目标对象的相似对象清单发送至与目标账号相绑定的终端设备，其中，所述目标账号为针对该目标对象和对象集合中的对象提供分发服务的账号。

在一个实施例中，该装置8000还可以包括模型选择模块，该模型选择模块用于根据目标对象的对象类型，从识别模型集合中选出与所述对象类型相匹配的至少两种识别模型提供给识别处理模块8020。

<设备实施例>

在一个实施例中，还提供了一种电子设备，该电子设备可以包括根据本发明任意实施例的识别相似对象的装置8000。

在另一个实施例中，该电子设备还可以包括存储器和处理器，该存储器存储有计算机程序，该计算机程序被处理器执行时实现根据本发明任意实施例的相似识别方法。

该实施例中，上述识别相似对象的装置8000的各个模块可以由电子设备的处理器实现。

该实施例中，该电子设备例如可以是图2所示的电子设备1000。该电子设备可以是任意的终端设备，也可以是任意的服务器，在此不做限定。

本发明实施例还提供了一种计算机可读介质，其上存储有计算机程序，当计算机程序被处理器执行时实现根据本发明任意实施例的相似识别方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。