[发明专利]一种易于快速迭代更新的Logo检测方法

摘要

本发明公开了一种易于快速迭代更新的Logo检测方法，其特征在于，包括构建并训练logo检测模型至收敛，得到特征点Landmark 1，用于预测未知图片里的logo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark 2，用于预测logo类别。达到解决某些Logo样本过少，难以收集的情形；确定Logo检测任务的最优目标检测模型；新增Logo时模型快速迭代更新，免去新Logo标注过程并保证准确率的效果。

主权项

1.一种易于快速迭代更新的Logo检测方法，其特征在于，包括构建并训练logo检测模型至收敛，得到特征点Landmark 1，用于预测未知图片里的logo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark 2，用于预测logo类别，具体步骤如下：步骤1，根据给定的关键字抓取搜索引擎的图片源，将图片的抓取结果分成4类:第1类，含Logo图片样本；第2类，没有多余背景的纯Logo；第3类，完全不相关的图片；第4类，不属于前3类的所有抓取结果；步骤2，生成xml文件，记录矩形框位置及标注类别；步骤2‑1对步骤1中含Logo图片样本(第1类)，使用开源工具labelImg对图片中Logo所在位置用矩形框进行标注，标注类别统一设为general_logo，将矩形框位置及标注类别保存为xml文件；步骤2‑2对步骤1中纯Logo(第2类)做旋转操作；然后将其嵌入完全不相关的图片(第3类)的随机位置且不超出边界，合成新的有效图片，合成时记录纯Logo(第2类)所在位置以及标注类别，写入xml文件；在步骤2‑1获取的图片量不足1.5w张时，将合成的新的有效图片作为补充；步骤3，确定Landmark 1最优模型；步骤3‑1，以tensorflow为统一框架，实现Faster RCNN，R‑FCN，SSD以及附带的特征提取器，所述特征提取器包括Inception Resnet V2、Inception V2、Inception V3、MobileNet、Resnet 101、VGG；步骤3‑2，使用步骤1获取的图片以及步骤2生成的xml文件进行训练，获得Landmark 1最终模型；步骤4，利用步骤3的Landmark 1批量抠取Logo，生成纯Logo图片，训练图片分类网络至收敛，得到Landmark 2，并预测Logo类别；步骤5，当新增1类Logo时，收集至少100张的新Logo样本，重复步骤4，重新训练Landmark 2，并使用重新训练的Landmark 2预测新增logo的类别。