结合YOLO-FGE网络的商标检测与分类

为了解决商标样式众多、背景复杂、尺度变化大等问题,基于YOLOv5框架,提出了一种YOLO-FGE网络模型,以更精确地分辨出商标类别信息。提出一种新的特征增强模块来提升特征层对不同类型商标的适应性,使网络更多关注待检测商标的有用信息。在YOLOv5的C3模块中嵌入全局注意力模块对骨干网络和颈网络进行优化。提出了一种增强空间注意力模块,利用空洞卷积扩大感受野,并结合通道注意力和Transformer模块来提升商标检测精度。在图形类商标数据集上的实验结果表明,该模型将mAP提升至92.3%,比大多数现有方法具有更高的检测精度。

基于SVM的文字商标检测

随着电子商务的兴起,越来越多的不法厂商和店家常常会有商标侵权事件,而商标中文字型商标占了很大的比重,从图片中查找出文字商标可以借鉴一些文字检测的方法。但是相对于后期加在图片上的文字来说,检测文字商标更为复杂,它是处于各种不同场景图片中,常常出现在复杂的背景上,其大小、方向、颜色都是千变万化的。本文提出了一种新的文字商标检测的算法,本算法结合了基于边缘检测的粗定位模版和SVM分类器的优势,相比于传统方法,本文提出的方法提高了文字商标检测的准确率,同时由于使用了二级过滤方法,所以算法的时间复杂度比单纯利用机器学习的方法有了很大提高。

基于图像处理的服装商标剪切缝检测算法

目前国内对于服装商标的剪切主要采用手工方式进行,不仅生产效率低下,且成本较高。提出了一种利用垂直边缘检测确定剪切缝具体位置的算法,并基于特征提出距离滤波方法以消除剪切缝识别过程中的噪声干扰。实验结果表明该算法能对服装商标剪切缝进行精确识别定位,可应用于服装商标自动剪切系统。

商标标志检测技术研究

针对现有的商标检测方法存在依赖大量训练样本、不利于应用扩展的问题,本文基于最大稳定极值区域特征检测算法及选择性搜索,提出了不依赖特定商标的、用于获取大规模类别下的可能商标区域的商标区域快速估计法。利用最大稳定极值区域对选择性搜索产生的待测窗口进行过滤,两个方法互相提供信息,从而实现快速准确的商标区域估计。

GDX1包装机缺商标纸检测的改进

GDX1包装机缺商标纸的检测的主要的组成元件是电容感应式开关,因为检测的结果会受到商标纸上金粉的影响以及铝膜材料的屏蔽,使得检测得到的最终结果并不是太为可靠。对其进行改进,是通过增加缺商标纸的检测装置来达到准确率的提高的,本文通过阐述GDX1包装机的工作原理,提出了存在的不足之处,对商标纸包装的遗漏进行了原因分析,在此基础上,提出相应的技术改造的方案。