[发明专利]一种商标图像检索的方法

说明书

本发明提供一种商标图像检索的方法，通过生成包含商标图像的商标数据库；根据所述商标数据库中的商标图像对卷积神经网络模型进行训练，得到稳定的卷积神经网络模型；将所述商标数据库中的商标图像输入所述稳定的卷积神经网络模型，得到商标特征库；将待检索的商标图像输入所述稳定的卷积神经网络模型，得到待检索商标特征；根据所述待检索商标特征在所述商标特征库中获取候选商标图像；获取所述候选商标图像的前L张商标图像，根据所述前L张商标图像的商标特征，在所述商标特征库中获取与所述待检索商标匹配的商标图像，L为正整数，在得到稳定的卷积神经网络模型降低检索误差的基础之上，再次进行检索，从而提高检索的准确性。

技术领域

本发明涉及计算机领域，特别涉及一种商标图像检索的方法。

背景技术

近年来，企业的不断增加，商标的注册数量也逐年倍增。随着商标图像的逐渐增加，商标管理部门对商标图像管理的难度更是成倍加大。因此，有效的判别仿冒商标显得尤为重要。商标管理部门传统的管理商标的方法主要是采用以“分类号”为关键词的商标图像检索模式，然而图像之间的相似度还是主要靠人工来识别，这种方式效率低并且准确度不高。

随着Hinton等深度学习领域专家解决了深度学习的模型优化问题后，深度学习技术得到了快速的发展，也给图像检索领域带来了新的希望。深度学习可以通过组合浅层特征的方式产生更为抽象的深层次的图像内容特征，利用这些深层次的特征表示图像的属性和内容，因此，近几年来深度学习技术在人工智能领域有了巨大的突破，并在机器视觉和语音识别等方面表现优秀。

传统基于内容的图像检索主要是利用图像浅层的视觉特征进行检索。例如：形状特征、颜色特征、纹理特征、HU矩特征等等。虽然在一些简单商标的图像的检索是能较为容易的找到相似的图像，但是对于一些抽象的、复杂的、甚至较难理解的商标图像，这些传统的图像特征在检索时就很难有较好的检索效果。因为这些方法最大的问题依然是无法克服“语义鸿沟”的问题，使得计算机得到的图像特征与人从高级语义所得到的图像特征存在着差异，从而导致检索准确度不高。

发明内容

本发明所要解决的技术问题是：提供一种准确性高的商标图像检索方法。

为了解决上述技术问题，本发明采用的一种技术方案为：

一种商标图像检索的方法，包括步骤：

S1、生成包含商标图像的商标数据库；

S2、根据所述商标数据库中的商标图像对卷积神经网络模型进行训练，得到稳定的卷积神经网络模型；

S3、将所述商标数据库中的商标图像输入所述稳定的卷积神经网络模型，得到商标特征库；

S4、将待检索的商标图像输入所述稳定的卷积神经网络模型，得到待检索商标特征；

S5、根据所述待检索商标特征在所述商标特征库中获取候选商标图像；

S6、获取所述候选商标图像的前L张商标图像，根据所述前L张商标图像的商标特征，在所述商标特征库中获取与所述待检索商标匹配的商标图像，L为正整数。

本发明的有益效果在于：通过生成包含商标图像的商标数据库；根据所述商标数据库中的商标图像对卷积神经网络模型进行训练，得到稳定的卷积神经网络模型；将所述商标数据库中的商标图像输入所述稳定的卷积神经网络模型，得到商标特征库；将待检索的商标图像输入所述稳定的卷积神经网络模型，得到待检索商标特征；根据所述待检索商标特征在所述商标特征库中获取候选商标图像；获取所述候选商标图像的前L张商标图像，根据所述前L张商标图像的商标特征，在所述商标特征库中获取与所述待检索商标匹配的商标图像，L为正整数，在得到稳定的卷积神经网络模型降低检索误差的基础之上，根据待检索商标图像特征得到前L候选商标图像缩小检索范围，再次进行检索，从而提高检索的准确性。

附图说明

图1为本发明实施例的商标图像检索的方法流程图。