[发明专利]商标识别方法和装置

说明书

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种商标识别方法和装置。

背景技术

随着互联网推广的普及，商标侵权事件越来越多。比如，一个电子产品代理的销售推广中，销售商只取得了一两个品牌的销售授权，但其官方网站上却有各种知名品牌的商标。这种商标侵权一方面带给网民消费上的误导，另一方面也给审核带来挑战。

要解决这种商标侵权，关键在于解决商标的识别。现有的商标识别的技术方案一般都采用对商标图像的特征提取。这种识别方式的主要缺陷在于：鲁棒性较差。具体表现为，对输入图像的尺寸和图像质量的要求较高。对于同一个图像，如果改变了尺寸，则识别结果可能会完全不同。

发明内容

针对上述技术问题，本发明实施例提供了一种商标识别方法和装置，以提高商标图像识别的鲁棒性。

第一方面，本发明实施例提供了一种商标识别方法，所述方法包括：

获取输入图像；

利用预先训练的基于卷积神经网络CNN的二分类模型识别输入图像是否为商标图像；

如果识别确认所述输入图像是商标图像，则利用预先训练的基于CNN的多分类模型识别输入图像的品牌类别。

第二方面，本发明实施例还提供了一种商标识别装置，所述装置包括：

获取模块，用于获取输入图像；

二分模块，用于利用预先训练的基于卷积神经网络CNN的二分类模型识别输入图像是否为商标图像；

多分模块，用于如果识别确认所述输入图像是商标图像，则利用预先训练的基于CNN的多分类模型识别输入图像的品牌类别。

本发明实施例提供的商标识别方法和装置通过获取输入图像，利用预先训练的基于卷积神经网络CNN的二分类模型识别输入图像是否为商标图像，若经过识别后，认为所述输入图像是商标图像之时，利用预先训练的基于CNN的多分类模型识别输入图像的品牌类别，从而有效的提高了对商标图像进行识别的鲁棒性。

附图说明

图1是本发明第一实施例提供的商标识别方法的流程图；

图2是本发明第二实施例提供的商标识别方法的流程图；

图3是本发明第三实施例提供的商标识别方法的流程图；

图4是本发明第四实施例提供的商标识别装置的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

第一实施例

本实施例提供了商标识别方法的一种技术方案。本技术方案可以由商标识别装置来执行，所述商标识别设备可以继承在移动电话、个人电脑、POS机等个人终端中，也可以被集成在网络侧的各种网元设备中。

参见图1，所述商标识别方法包括：

S11，获取输入图像。

所述输入图像是一幅需要进行商标识别的图像。具体的，它可以是一幅商标图像，也可以不是商标图像。进一步的，不仅图案清晰、位置规整的原始商标图像可以作为输入图像，而且对原始商标图像进行旋转、缩放等变换操作后得到的商标图像被作为商标图像也可以是输入图像。

S12，利用预先训练的基于卷积神经网络(Convolutional neural network，CNN)的二分类模型识别输入图像是否为商标图像。

CNN受视觉神经机制的启发而设计，是为识别二维或三维信号而设计的一个多层感知器。CNN的基本结构包括两种特殊的神经元层，其一为卷积层，每个神经元的输入与前一层的局部相连，并提取该局部的特征；其二是池化层，用来求局部敏感性与二次特征提取的计算层。这种两次特征提取结构减小了特征分辨率，减少了需要优化的参数数目。由于CNN所具有的特殊的网络结构，这种网络对平移、缩放、倾斜等变形具有高度不变性。由于CNN的这种特征，它经常被用来识别位移、缩放及其他形式扭曲不变性的二维或三维图像。

在本实施例中，预先训练了一个基于CNN的商标图像二分类模型。在将一幅图像输入至所述二分类模型之后，所述二分类模型能够区分该输入图像是否是商标图像。由于这种分类模型对输入的图像仅做是否商标图像的二值判断，所以将这种分类模型称为二分类模型。

在获取到输入图像之后，将获取到的输入图像输入至所述二分类模型，即可根据所述二分类模型的输出结果判断所述输入图像是否是商标图像。