[发明专利]LOGO分类模型构建方法、系统、电子设备及存储介质在审
申请号: | 202110817148.4 | 申请日: | 2021-07-20 |
公开(公告)号: | CN113569934A | 公开(公告)日: | 2021-10-29 |
发明(设计)人: | 朱彦浩;胡郡郡;唐大闰 | 申请(专利权)人: | 上海明略人工智能(集团)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/08 |
代理公司: | 青岛清泰联信知识产权代理有限公司 37256 | 代理人: | 赵燕 |
地址: | 200030 上海市徐汇区*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | logo 分类 模型 构建 方法 系统 电子设备 存储 介质 | ||
1.一种LOGO分类模型构建方法,其特征在于,包括:
LOGO图像处理步骤:对原始LOGO图像进行处理获得仅具有LOGO标志的第一图像和具有所述LOGO标志及周边区域的第二图像;
特征提取步骤:通过编码模块对所述第一图像和所述第二图像进行特征提取获得第一特征和第二特征;
第一处理步骤:根据所述第一特征及/或所述第二特征获得第一向量和第二向量;
第二处理步骤:根据所述第一向量和所述第二向量通过嵌入模块对应地获得第三向量和第四向量;
第四向量处理步骤:对所述第四向量与Label进行arcface-loss的学习形成LOGO分类模型。
2.如权利要求1所述的LOGO分类模型构建方法,其特征在于,所述第一处理步骤包括:
第一向量获取步骤:对所述第一特征进行全局平均池化操作后通过预测器获得所述第一向量;
聚合步骤:对所述第一特征和所述第二特征进行聚合后输出聚合特征;
第二向量获取步骤:对所述聚合特征进行全局平均池化操作后获得所述第二向量;
注意力机制步骤:通过注意力机制模块根据所述聚合特征学习所述第一特征及所述第二特征间的相关关系。
3.如权利要求1所述的LOGO分类模型构建方法,其特征在于,所述第二处理步骤还包括:对所述第一向量和所述第二向量进行相似性学习,通过回归损失函数拉近所述第一向量和所述第二向量之间的距离。
4.如权利要求3所述的LOGO分类模型构建方法,其特征在于,所述第四向量处理步骤还包括:对所述第三向量和所述第四向量使用余弦相似度距离进行相似性学习。
5.一种LOGO分类模型构建系统,其特征在于,包括:
LOGO图像处理单元,对原始LOGO图像进行处理获得仅具有LOGO标志的第一图像和具有所述LOGO标志及周边区域的第二图像;
特征提取单元,通过编码器对所述第一图像和所述第二图像进行特征提取获得第一特征和第二特征;
第一处理单元,根据所述第一特征及/或所述第二特征获得第一向量和第二向量;
第二处理单元,根据所述第一向量和所述第二向量通过嵌入模块对应地获得第三向量和第四向量;
第四向量处理单元,对所述第四向量与Label进行arcface-loss的学习形成LOGO分类模型。
6.如权利要求5所述的LOGO分类模型构建系统,其特征在于,所述第一处理单元包括:
第一向量获取模块,对所述第一特征进行全局平均池化操作后通过预测器获得所述第一向量;
聚合模块,对所述第一特征和所述第二特征进行聚合后输出聚合特征;
第二向量获取模块,对所述聚合特征进行全局平均池化操作后获得所述第二向量;
注意力机制模块,根据所述聚合特征学习所述第一特征及所述第二特征间的相关关系。
7.如权利要求5所述的LOGO分类模型构建系统,其特征在于,所述第二处理单元对所述第一向量和所述第二向量进行相似性学习,通过回归损失函数拉近所述第一向量和所述第二向量之间的距离。
8.如权利要求5所述的LOGO分类模型构建系统,其特征在于,所述第四向量处理单元还对所述第三向量和所述第四向量使用余弦相似度距离进行相似性学习。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的LOGO分类模型构建方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4中任一项所述的LOGO分类模型构建方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海明略人工智能(集团)有限公司,未经上海明略人工智能(集团)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110817148.4/1.html,转载请声明来源钻瓜专利网。