[发明专利]图像近似度分析系统

说明书

本发明揭露一种图像近似度分析系统，用于具有特定图像规则的知识产权领域。图像近似度分析系统包括训练后的第一深度学习模块、训练后的神经网络数据处理模块、结合学习单元以及近似度分析单元。训练后的第一深度学习模块接收图像以产生初始图表征。训练后的神经网络数据处理模块接收图像在特定图像规范下的图规范信息以产生图规范表征。结合学习单元包括结合模块与训练后的第二深度学习模块。结合模块是结合初始图表征与图规范表征以产生输入信息。训练后的第二深度学习模块接收输入信息以产生最终图表征。近似度分析单元将最终图表征与参考图像的参考图表征比对。藉此，可以有效地纳入知识产权领域的图像规范，解决图像近似度比对上的缺点。

技术领域

本发明涉及一种图像近似度分析系统，尤其涉及一种利用深度学习以智能处理图像知识产权数据的图像近似度分析系统。

背景技术

在面临国际技术竞争与冲击的当下，知识产权的发展成为产业升级上极重要的一环。在知识经济的浪潮席卷全球的下，知识产权的重要性与价值已毋庸置疑，但随着新的科技技术出现，也逐渐引发知识产权未来的服务走向。

以往的知识产权需要耗费大量的人力，从技术、法律、商业利益等角度来解析，进而产生对权利人有益的策略与行为。

其中，以知识产权中跟图像有关的部分，例如商标图像、著作权图像、或外观设计图像，无论是在前案搜寻与比对，都非常耗费人力，其直接影响权利的范围、核准率、侵害与被侵害的可能、无效或被无效的可能，在法律上与商业上，会使企业产生重大的获利与损失。

因此，有必要藉由现今渐趋成熟的人工智能，来改善知识产权耗费人工、错误与争议大、耗时效率低等问题。

因此，本发明的主要目的在于提供一种利用深度学习以智能处理图像知识产权数据的图像近似度分析系统，以解决上述问题。

发明内容

本发明的目的在于提供一种图像近似度分析系统，用于具有特定图像规则的知识产权领域，用以分析图像相较于参考图像的近似度。此图像近似度分析系统包括训练后的第一深度学习模块、训练后的神经网络数据处理模块、结合学习单元以及近似度分析单元。训练后的第一深度学习模块接收所述图像，以产生初始图表征。训练后的神经网络数据处理模块接收图像在特定图像规范下的图规范信息，并依据图规范信息产生图规范表征。结合学习单元包括结合模块与训练后的第二深度学习模块。结合模块是用以结合初始图表征与图规范表征以产生输入信息。训练后的第二深度学习模块是用以接收输入信息以产生最终图表征。近似度分析单元是用以将最终图表征与参考图像的参考图表征比对，以判定图像与参考图像的近似度。

为达所述优点至少其中的一或其他优点，本发明的一实施例提出一种图像近似度分析系统，其特征在于，其中所述神经网络数据处理模块是利用独热编码(One HotEncode)产生所述图规范表征。

为达所述优点至少其中的一或其他优点，本发明的一实施例提出一种图像近似度分析系统，其特征在于，其中所述图规范信息是利用对应于所述特定图像规范的图分类数据库、具有所述特定图像规范的知识图谱库、或对应于所述特定图像规范的量化规范法则所产生。

为达所述优点至少其中的一或其他优点，本发明的一实施例提出一种图像近似度分析系统，其特征在于，其中所述结合学习单元将所述初始图表征与所述图规范表征结合以产生所述输入信息的结合方法是采用向量直接合并。

为达所述优点至少其中的一或其他优点，本发明的一实施例提出一种图像近似度分析系统，其特征在于，其中所述图规则表征与所述初始图表征的维数相同。其中所述结合学习单元是以所述图规范表征作为权重结合所述初始图表征与所述图规范表征。