[发明专利]LOGO分类模型构建方法、系统、电子设备及存储介质

说明书

本发明公开了一种LOGO分类模型构建方法、系统、电子设备及存储介质，LOGO分类模型构建方法包括：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：通过编码模块对第一图像和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：根据第一特征及/或第二特征获得第一向量和第二向量；第二处理步骤：根据第一向量和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：对第四向量与Label进行arcface‑loss的学习形成LOGO分类模型。通过本发明能够对相似的LOGO进行有效的区分。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于双流网络的LOGO分类模型构建方法、系统、电子设备及存储介质。

背景技术

LOGO是企业形象或者产品形象的符号化体现。logo最重要的一个功能就是识别性，便于消费群体或受众将不同企业的同类产品，或同一行业的不同企业区别开来，从而将logo所代表的产品或者企业打造成一种品牌，logo是无形的资产。对于LOGO进行相应的自动识别，可以帮助企业进行更好的数据分析和市场占比分析，较高的识别精准率有助于更好的进行企业策略的规划和制定。

在LOGO识别领域，同一行业内的LOGO标识大同小异，LOGO之间的区分度不高。如化妆品行业中，兰蔻/兰芝，COLORKEY/COLORPOP等的区分度不高，传统的分类网络结构难以满足实际需求。另一方面，LOGO的周边信息对于LOGO的分类有一定的作用，以汽车的LOGO为例，不同汽车的家族式前脸对于其LOGO的识别效果是有一定的提升作用的，但是多余的周边信息带来更多有效信息的同时会带来比有效信息更多的噪声信息，如何能够使得网络结构学习到有用的信息内容是重要的也是困难的。

基于以上问题现有技术大都采取以下方案：

1.检测一体化的识别方法

目前较为简单的方法就是与检测器一体化的识别，使用目标检测领域知名的FasterRcnn，SSD以及YOLO等系列的算法将识别的过程放在检测过程的最后，使用较为简单的分类头进行分类。这种方法的好处是较为便捷，不需要重新训练识别分类器检测和识别是一个端到端的过程。但其缺点在于：无法对于检测和识别进行解耦合。这就导致了无法使用更加强大的识别网络，且对于出现频次较少的LOGO甚至是未出现过的LOGO其识别的效果会非常的差。

2.单独的分类器方法

单独分类器的方法是目前业界比较通用的方案，检测器使用一个通用的LOGO检测器，对检测器检测到的类似LOGO的图形将其送入到分类器进行LOGO的类别分类。这种方法相对于第一种方案而言有更多的设计空间，但其缺点在于：未使用LOGO的周边信息，且对于相似的LOGO无法做出有效的区分。

因此亟需开发一种克服上述缺陷的基于双流网络的LOGO分类模型构建方法、系统、电子设备及存储介质。

发明内容

针对上述问题，本申请实施例提供了一种LOGO分类模型构建方法、系统、电子设备及存储介质，以至少解决对相似的LOGO无法做出有效区分的问题。

本发明提供一种LOGO分类模型构建方法，其中，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；