[发明专利]应用于视频品牌识别系统的检测识别模块

权利要求书

1.一种用于视频品牌识别系统的检测识别模块，其特征在于：检测识别模块包括2个核心模块：RPN网络、分类网络，检测识别模块进行两个步骤，第一个步骤为离线的训练出模型，第二个步骤是根据训练得到的模型，进行输入图片的inference，即检测识别LOGO。

2.如权利要求1所述的用于视频品牌识别系统的检测识别模块，其特征在于：检测识别模块是基于深度神经网络的解决方案，使用基于Deep Learning的LOGO检测/识别算法，并且，基于PVANet深度学习网络来满足视频内LOGO检测的独特需求，训练方法为end2end。

3.如权利要求2所述的用于视频品牌识别系统的检测识别模块，其特征在于：end2end训练共229类LOGO，使用AP/mAP来度量准确率与召回率，目前的229类的mAP＝97.31％，单帧检测速度150ms/frame，视频处理时间比0.5，每10帧进行一次Logo检测/识别。

4.如权利要求2-3中任一项所述的用于视频品牌识别系统的检测识别模块，其特征在于：PVANet是基于faster-rcnn的一种新的detection方法，目的在提高精度的同时进行加速，根据需求对于PVANet进行了以下改进：

1)将PVANet整合进faster-rcnn中进行end2end训练，backbone使用的是PVANet；PVANet是用于分类的一个网络，所以必须将其整合进faster-rcnn的框架后才能支持检测+识别；

2)在消除误检方面，同时采取了两种措施：第一种是将在线地全图取负样本(OHEM)整合进框架中，第二种是采取自举的方式，离线地通过多次迭代，定点清除误检；

3)利用PVANet+OHEM的特点调整了数据集，使得数据集中除了标注的logo外，不存在其他干扰的LOGO类别，使得mAP从0.953提高至0.970；

4)通过减小Pooling层的stride来增加Feature Map的大小来满足对小物体的检测需求；经过这个措施后，mAP达到了新高0.9731；

5)在4)的基础上，对视频进行分割区块，再结合原图的检测。