基于对比学习的无监督商标检索

商标图形要素是商标审查时,审查人员判断两个商标是否相似的重要判断依据.然而由于商标图形要素具有多种可能的解释,不同审查人员对同一商标图形要素可能有不同的理解,造成商标图像具有丰富的语义信息.对比学习通过最大化正样本语义信息来训练模型,能根据商标图像含有的独特语义信息对其进行区分,有助于完成商标检索等下游任务.为了充分理解商标图像的语义信息,首次将无监督对比学习引入到商标检索领域.首先使用一系列能增强语义信息的预处理方法进行处理,从而保留商标图像所含有的语义信息;然后根据商标图像生成的正负样本视图将数据进行分组,着重学习到正样本之间的相同语义信息以及正负样本之间的差异信息;所提取到的语义信息有助于模型判别两张商标图像是否语义相似,最终提高商标检索的平均精度.在公开的百万级商标图像数据集METU上进行的测试结果表明,与现有最新的商标检索方法相比,本文所使用的对比学习算法将mAP@100指标从55.0%提高到72.6%.

融合小波变换和SIFT特征的商标检索方法

针对基于SIFT特征的商标检索其计算量大、检索速度慢、效率低的不足,提出了一种融合小波变换和SIFT特征的商标检索方法。该方法先通过小波分解得到低频子图像并建立低频子图像库,在低频子图像上提取商标图像的SIFT特征,再逐一进行精确匹配,对相似度进行排序,输出检索结果。实验结果表明,该方法不仅保持了SIFT特征的良好描述能力,且减少了精确匹配的计算量,提高了匹配速度。融合小波变换和SIFT特征的商标检索方法有效地弥补了原算法的不足,表现出了更好的检索能力和性能。

基于Sift特征的商标检索算法

基于内容的商标检索利用全局形状特征和子图像的空间位置关系进行特征匹配,存在检索精度不高、抗噪声能力不强和相似子图像可能发生误检、漏检等不足。该文提出一种利用Sift特征进行商标检索的新方法。实验结果表明,与现有检索方式相比,该方法准确全面,并对遮挡、扭曲、噪声等干扰具有更强的抵抗力。

基于内容的大数据量商标检索系统

到目前为止,大数据量的图像检索依然是一个难题,提出了运行在一种大型数据库上的基于内容的快速的商标图像检索.首先,从商标图像中提取两种统计特征,然后采用概率主成分分析降维,生成特征字典—数据库中商标图像集的一个特征映射.在检索阶段,采用快速的层次检索来得到一个数目不定的候选集,再通过相关反馈进行不断的优化,将候选集的数目减少,直至符合检索要求.在国家商标局提供的30,0270商标图像上运行本系统,每一个查询时间不超过0.3秒.

一种基于手绘图的商标检索算法

为了高效的进行商标设计,提出了基于内容的商标检索算法.首先应用Zernike矩描述图像的形状信息,并将手绘图作为查询条件进行检索,依据形状距离进行排序,将排序结果作为第一轮检索结果输出.其次,用户对第一轮检索结果进行标注,并将标注结果反馈给系统,通过分类器学习后,再次进行检索并输出最终检索结果.实验结果表明,提出的算法在商标图像的检索中具有检索准确率高、耗时少的特点;此外,算法可支持用户以手绘的方式进行查询,有一定的实用价值.

一种基于小波和Hough变换的仿射不变性商标检索

提出了一种基于小波和Hough变换的仿射不变性商标检索方法.根据商标图像色彩单调、纹理简单的特点,首先对商标图像进行二值化处理并做Hough变换;然后,对经Hough变换的商标图像信息进行规范化处理,使其对应的小波变换具有仿射不变性,并用Mexican Hat小波对规范化后Hough变换信息进行奇异点分析.最后根据奇异点的信息进行商标检索.实验结果表明,该方法在检索效率和检索准确率上均高于现在应用较多的仿射不变矩算法.

基于区域生长耦合多分类器的商标检索算法

目的针对商标检索算法中易出现的语义鸿沟,底层视觉特征与高层语义相关性不强而导致商标检索精度不理想的问题,定义一种基于区域生长耦合多分类器的商标检索方案。方法首先对输入的商标进行预处理,去除图像中的噪声和杂散点,并通过3D直方图和聚类算法来提取输入图像中的主颜色;基于区域生长算法,合并具有相同颜色标签的所有连接点,以形成颜色区域;然后根据生成的颜色区域,分别定义颜色分类器、形状分类器和关系分类器,利用每个分类器计算查询图像和数据库中图像的检索优势概率;最后通过决策组合,根据检索规则和列表长度找到最相似的商标,并利用动态选择方案进一步提高检索准确率。结果实验结果表明,与当前商标检索方案相比,所提检索系统具有更为理想的Precision-Recall曲线,对缩放、扭曲和噪声具有更高的鲁棒性。结论所提方案在各类几何变换下具备较高的检索准确率,对商标注册、版权保护等行业有较好的借鉴意义。

基于泽尼克矩与边缘梯度共生矩的商标检索算法

为提高商标的检索精度,定义基于泽尼克矩与边缘梯度共生矩的商标检索方案。引入中值滤波,对商标实施去噪处理;分别提取商标的泽尼克矩(Zernike moment,ZM)和边缘梯度共生矩(edge gradient co-occurrence matrix,EGCM);根据得到的ZM,通过Euclidean距离度量方法,计算查询商标与商标库的全局相异性及平均全局相异性;将平均全局相异性作为阈值,与全局相异性实施比较,剔除不相关商标;根据EGCM计算局部相异性,联合全局相异性,通过对二者实施加权得到总相异性,以输出检索结果。实验结果表明,与已有商标检索方案相比,所提方案具有更高的检索精度与鲁棒性。

商标检索中形状特征描述的研究

针对图像检索中的"语义鸿沟"问题,以商标图像为研究对象。分析了拉丁字母的物象、抽象和意象等含义,构建了一套"字母描述子"语言。同时还分析了商标的起源、构成和特征,并提出了用"字母描述子"对商标图像进行特征描述和编码的方法。经系列的检索结果和统计数据说明,用"字母描述子"对商标特征进行描述、编码和检索的方法具有一定的实用意义。

基于颜色信息与空间特征的自适应商标检索算法

目的为了增强商标检索技术对商标特征的描述能力,改善其在外来干扰下的检索精度与鲁棒性。方法提出一种基于颜色与空间特征自适应结合的商标检索算法。首先,引入主颜色描述符(DCD),将其作为颜色特征检测器,并在颜色特征提取时嵌入k-均值聚类算子,增强颜色区域,准确提取颜色特征。随后,每个商标被量化为8个显色的最大值,以便提取每个颜色分量中的空间分布信息。然后,通过利用不同的权重来平衡颜色与空间特征的重要性,定义一种基于模糊直方图分析技术,计算每个商标自适应系数,以准确描述彩色商标的图像特征。最后,通过Euclidean距离进行相似度量,输出检索到的商标。结果实验结果表明,与当前商标检索方法相比,所提算法具有更高的检索精度与鲁棒性,呈现出更理想的P-R曲线,在召回率为0.7时,其检索准确率仍可达到90%。结论文中检索方法具有较高的检索精度,在包装商标检测、商标版权保护等领域中具有良好的应用价值。

基于Zernike矩与SIFT特征的商标检索算法

为降低商标检索算法的误检率,提出一种结合Zernike矩(ZM)和尺度不变特征变换(SIFT)的商标检索算法,该算法由离线数据库构建和在线检索组成。分别从查询图像中提取ZM和SIFT特征;根据查询图像的特征集与数据库中存储的图像的特征集之间的ZM特征进行相似度度量,形成候选商标集;最后,利用SIFT特征对查询图像与候选图像精准检测,对相似距离进行排序,将结果返回给用户。实验结果表明:与当前流行的商标检索算法相比,该算法具备更好的检索性能,在缩放、平移、模糊、透视、斜切、扭曲等变换干扰下,仍呈现出更理想的Precision-Recall曲线以及F值。

商标及商标检索的意义

商标,是企业最重要的工业产权之一。它不仅本身有价值,还具有创造价值,是一种宝贵的社会财富,并且正日益成为激烈的市场竞争活动中不可缺少的武器。许多中国企业已开始懂得为自己的产品注册商标,但是,由于对商标法了解不够,在申请注册前不懂得对已注册商标先进行全面检索,致使许多申请注册的商标因与已注册商标雷同、相同、相似或读音相同、相似(注册国外商标)等原因,最终无法注册,使企业遭受损失。因此本文旨在探讨商标检索的意义,促进企业运用商标检索手段,使自己能够顺利、有效地申请注册商标,同时妥善地保护自己的商标权益,避免商标侵权。

基于SIFT和角点特征的商标检索算法

针对基于尺度不变特征变换(SIFT)的商标图像检索对于高度相似的反转商标图像容易出现漏检现象,提出了一种基于SIFT和角点特征的商标图像检索方法,该方法利用商标图像的局部角点特征弥补了SIFT特征的不足。实验结果表明,与现有方法相比,该方法保留了SIFT特征对遮挡、扭曲、噪声等干扰具有很强的抵抗力的优点外,同时增强了算法对图像形状的描述能力,表现出了更好的检索能力和性能。

一种基于注意力机制的无监督商标检索方法

针对现有商标特征提取方法无法有效捕捉重点区域的关键信息和图像标注成本过高的问题,提出一种基于注意力机制的无监督商标检索方法。该方法基于实例区分算法,将注意力模块同时运用在神经网络特征映射层的空间维度和通道维度上,通过对各个通道进行权重的分配以及对空间变换参数的学习,增强无监督网络的特征表达能力。该方法在公开的商标数据集上进行了验证,实验表明检索效果优于传统的商标检索方法,甚至优于一些有监督商标检索方法。

基于泽尼克矩耦合颜色空间加权度量的商标检索算法

目的针对商标检索系统中利用单一特征进行识别和度量时,往往难以充分表征商标特征,易出现检索精度和鲁棒性不高等问题,文中拟设计一种泽尼克(Zernike)矩耦合颜色空间加权度量的商标检索方案。方法首先,利用Zernike矩作为商标的形状描述符,充分描述商标的形状信息。随后,利用颜色空间来描述图像中像素空间信息的颜色分布特征。然后,分别将输入商标的Zernike矩特征、颜色空间特征与存储在数据库中的特征进行匹配,以计算Zernike矩特征的加权Euclidean距离与颜色空间度量。最后,联合颜色空间度量与Euclidean距离,综合考虑形状与颜色特征,形成新的距离测量规则,输出与查询商标相似的商标。结果实验数据表明,与当前商标检索算法相比较,所提算法具有更高的检索准确率与鲁棒性,表现出更为理想的Precision-Recall以及平均准确率(MeanAveragePrecision,MAP)。结论所提算法返回的图像与查询图像相似度较高,在商标注册、侵权保护等方面中具有一定的参考价值。

相邻角点关系的商标检索

提出一种新的基于相邻角点关系的商标检索方法。首先将商标分成中心圆、外侧圆环和边缘3个区域,每个区域分别求出所有相邻角点的间隔度数,将间隔度数量化若干等级,从而计算出每幅图像在每个区域的相邻角点的间隔度数分布直方图,2幅商标图像的相似性取决于对应区域直方图的欧式距离。该算法具有平移、旋转及尺度不变性的特点,经实验证明具有较高的商标检索效率。

基于多尺度特征变换与颜色相关性的商标检索算法

目的提出一种快速有效的商标注册相似性检查方法,以解决当前基于SIFT的商标检索系统易出现漏检、误检,导致检索精度不高的问题。方法首先,利用SIFT进行尺度空间创建,并检测商标的特征关键点,通过确定关键点的主方向,可得到具有旋转、缩放、平移、视图变化不变性的图像形状特征描述符。随后,根据像素与其邻域的颜色和空间位置,定义一种改进的颜色相关性,为了有效避免不同商标可能具有相似的颜色特征,对不同的颜色赋予一个权重因子,从而得到一个反映颜色空间相关性与颜色排布疏密度的颜色特征。然后,将SIFT与颜色相关特征向量进行加权组合,并根据实际过程中占主导作用的特征来改变权重。最后,根据加权组合特征,引入马氏距离对查询商标与数据库商标进行相似度量,输出检索商标。结果实验结果表明,与当前先进的商标检索系统对比,所提算法具有更高的检索准确性与效率。结论所提算法具有良好的检索准确率与鲁棒性,在商标注册等领域具有一定的实用价值。

基于纹理分割的形状特征相似的商标检索技术

提出了一种新的商标图像检索方法,它基于图像的纹理分析进行自动分割,得到分块图像的形状大致信息,然后把纹理、形状这些相关特征进行组合,从而产生一个用于商标图像检索的特征向量。实验证明从纹理分割区域生成的图像特征对于商标图像检索非常有效,具有较强的识别能力。

基于特征融合的商标检索方法

各种各样的字体导致卷积神经网络对商标图像提取的特征存在冗余,文字部分的信息不仅没有充分利用,反而对图像特征的匹配产生了影响。提出一种融合卷积特征与文字特征的商标检索方法,在深度学习检索方法的基础上融合文字特征匹配的结果。针对文字特征之间的距离计算,提出一种改进的编辑距离算法用于提高文字特征的匹配效果,提高商标检索的准确率。

一种集合型MHU-SIFT商标检索方法的研究

为提高商标检索的查准率和快速性,提出一种将全局特征修正HU不变矩和局部特征SIFT相结合的MHU-SIFT集合型商标检索方法。该方法首先对图像进行初步的滤波去噪等处理,其次,提取图像的HU修正矩和角点特征SIFT建立索引,最后运用基于图像内容的检索方法(CBIR)对商标进行检索。在机器为2GB+64位的笔记本电脑,使用标准2000张商标图像库进行检验。结果表明,MHU-SIFT方法查准率较HU-SIFT方法提高了10%。