CN109857897A - 一种商标图像检索方法、装置、计算机设备及存储介质 - Google Patents
一种商标图像检索方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109857897A CN109857897A CN201910114814.0A CN201910114814A CN109857897A CN 109857897 A CN109857897 A CN 109857897A CN 201910114814 A CN201910114814 A CN 201910114814A CN 109857897 A CN109857897 A CN 109857897A
- Authority
- CN
- China
- Prior art keywords
- image
- retrieved
- trade mark
- trademark
- feature vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种商标图像检索方法、装置、计算机设备及存储介质,其中,该方法包括:基于待检索商标图像的像素,将待检索商标图像进行预设图像分割,得到商标分割图像;通过VGG16神经网络对商标分割图像的图像特征向量进行提取;基于图像特征向量,在预设数据库中对与待检索商标图像相似的商标进行检索;本发明的方法、装置、设备及存储介质,通过依据待检索商标图像的像素,对该待检索商标图像进行分割,然后,通过预训练VGG16神经网络对商标分割图像中的图像特征向量进行提取,从而实现根据该提取的图像特征向量对与该待检索商标图像相似的商标进行检索;其中,通过预训练VGG16神经网络提取的图像特征向量具有更好的表达视觉相似性。
Description
技术领域
本发明涉及图像检索技术,尤其涉及一种商标图像检索方法、装置、计算机设备及存储介质。
背景技术
商标是公司、产品或服务的标志,与企业的商品质量、服务质量、经营管理融为一体,在工商业社会中起着非常重要的作用,是公司及其产品的一个重要属性,具有唯一性。为使商标得到合法的保护,必须向商标局正式注册。随着我国经济的发展和全球化进程的加快,商标数量逐年递增。防止重复注册或相似商标注册是商标管理的核心问题。为了保护注册商标的合法权益,打击仿冒盗用注册商标的违法行为,需要对待注册的商标进行检索,与已注册的商标进行比较,确定二者不相同或者不相近似,才具有注册资格。
商标图像的识别检索是多媒体信息检索领域的热点问题,现有的图像识别检索方法尽管多种多样,但都是通过线性反投影算法LBP、方向梯度直方图HOG、散列HASH等特征进行图像识别检索,而这些特征在商标的视觉相似检索上表现很差,导致检索效果不理想。
发明内容
本发明的主要目的在于提出一种商标图像检索方法、装置、计算机设备及存储介质,其克服了以上技术问题。
根据本发明的第一个方面,提供了一种商标图像检索方法,所述方法包括:
基于所述待检索商标图像的像素,将所述待检索商标图像进行预设图像分割,得到商标分割图像;通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取;基于所述图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索。
可选的,在所述将待检索商标图像进行预设图像分割之前,所述方法还包括:获取所述待检索商标图像中各个区域的像素;基于所述各个区域的像素,将所述待检索商标图像中像素满足第一预设条件的区域图像进行删除。
可选的,在所述将待检索商标图像中像素满足第一预设条件的区域图像进行删除之后,且在所述将待检索商标图像进行预设图像分割之前,所述方法还包括:将已进行区域图像删除的待检索商标图像进行灰度化处理,得到已进行区域图像删除的待检索商标图像及灰度化处理之后的商标灰度图像;判断所述已进行区域图像删除的待检索商标图像的像素及所述商标灰度图像的像素的差值是否满足第二预设条件;若是,则确定将所述商标灰度图像及所述已进行区域图像删除的待检索商标图像均确定为待进行预设图像分割的待检索商标图像;否则,确定将所述已进行区域图像删除的待检索商标图像确定为待进行预设图像分割的待检索商标图像。
可选的,所述将待检索商标图像进行预设图像分割,得到商标分割图像,包括:将所述待检索商标图像进行二值化处理,得到商标处理图像;基于所述待检索商标图像的像素,确定对所述商标处理图像进行分割的图像分割线路;依据所述图像分割线路,将所述商标处理图像进行分割,得到第一分割图像,其中,所述第一分割图像包含于所述商标分割图像。
可选的,在所述将待检索商标图像进行二值化处理,得到商标处理图像之后,所述将待检索商标图像进行预设图像分割,得到商标分割图像还包括:基于所述待检索商标图像的像素,确定所述商标处理图像中的连通域及所述连通域的大小;基于所述连通域的大小,将满足第三预设条件的连通域从所述商标处理图像中分割出来,得到分割出来的所述连通域,而且,所述分割出来的连通域包含于所述商标分割图像。
可选的,所述通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取,包括:将所述商标分割图像的尺寸进行设置,得到相同尺寸的商标分割图像;通过所述预训练VGG16神经网络对所述相同尺寸的商标分割图像中的图像特征向量进行提取。
可选的,所述基于图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索,包括:通过预设降维设备将所述图像特征向量的等量级调整为预设等量级;基于所述预设等量级的图像特征向量,通过KNN进行KD-Tree建模,得到KD-Tree检索模型;通过所述KD-Tree检索模型在所述预设数据库中对与所述待检索商标图像相似的商标进行检索。
根据本发明的第二个方面,提供了一种商标图像检索装置,所述装置包括:分割模块,用于基于所述待检索商标图像的像素,将所述待检索商标图像进行预设图像分割,得到商标分割图像;图像特征向量提取模块,用于通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取;检索模块,用于基于所述图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索。
根据本发明的第三个方面,提供了一种计算机设备,其特征在于,包括处理器和存储器;所述存储器用于存储计算机指令,所述处理器用于运行所述存储器存储的计算机指令,以实现上述的一种商标图像检索方法。
根据本发明的第四个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述的一种商标图像检索方法。
本发明有益效果如下:通过依据待检索商标图像的像素,对该待检索商标图像进行分割,然后,通过预训练VGG16神经网络对商标分割图像中的图像特征向量进行提取,从而实现根据该提取的图像特征向量对与该待检索商标图像相似的商标进行检索;其中,通过预训练VGG16神经网络所提取的图像特征向量具有更好的表达视觉相似性,有助于提高检索效果。此外,还可以避免人工进行商标检索、及由于现有技术中表达视觉相似性的不足而导致商标检索结果不理想的问题。
附图说明
图1为本发明第一实施例一种商标图像检索方法的流程框图;
图2为本发明中在进行图像分割之前对待检索商标图像进行处理的流程框图;
图3为本发明中进行图像分割的流程框图;
图4为本发明中进行连通域分割的流程框图;
图5为本发明中进行图像特征向量提取的流程框图;
图6为本发明中进行商标检索的流程框图;
图7为本发明第二实施例中一种商标图像检索装置的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在上下文中所称“计算机设备”,也称为“电脑”,是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备,其可以包括处理器与存储器,由处理器执行在存储器中预存的存续指令来执行预定处理过程,或是由ASIC、FPGA、DSP等硬件执行预定处理过程,或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。
所述计算机设备包括用户设备与网络设备。其中,所述用户设备包括但不限于电脑、智能手机、PDA等;所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,所述计算机设备可单独运行来实现本发明,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中,所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
需要说明的是,所述用户设备、网络设备和网络等仅为举例,其他现有的或今后可能出现的计算机设备或网络如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时,用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
为了便于理解本发明实施例,下面通过几个具体实施例对本发明的实施过程进行详细的阐述。
本发明第一实施例提供了一种商标图像检索方法,所述方法包括:基于所述待检索商标图像的像素,将所述待检索商标图像进行预设图像分割,得到商标分割图像;通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取;基于所述图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索。
就此,通过依据待检索商标图像的像素,对该待检索商标图像进行分割,然后,通过预训练VGG16神经网络对商标分割图像中的图像特征向量进行提取,从而实现根据该提取的图像特征向量对与该待检索商标图像相似的商标进行检索;其中,通过预训练VGG16神经网络所提取的图像特征向量具有更好的表达视觉相似性,有助于提高检索效果。此外,还可以避免人工进行商标检索、及由于现有技术中表达视觉相似性的不足而导致商标检索结果不理想的问题。
图1为本发明第一实施例一种商标图像检索方法的流程框图。根据图1所示,本发明第一实施例提供了一种商标图像检索方法,所述方法包括:
S11:基于所述待检索商标图像的像素,将所述待检索商标图像进行预设图像分割,得到商标分割图像;
其中,该待检索商标图像可以是已进行商标注册的商标图像,也可以是未进行商标注册的商标图像,当然,此处涉及的商标图像包括但不限于:徽标LOGO。
在本实施例中,需要先获取待检索商标图像的像素,然后,根据该待检索商标图像的像素,将待检索商标图像进行预设图像分割,以得到商标分割图像。从而,通过对该待检索商标图像进行分割,从而在一定程度上可以对待检索商标中包含的在先商标的主要特征部分进行检索、以及对包含在在先商标的主要特征部分进行检索。
S12:通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取;
S13:基于所述图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索。
其中,该预训练VGG16神经网络为基于imagent的预训练VGG16神经网络。该预设数据库中存储有海量商标数据,而且,该预设数据库会实时补录新的商标数据。
就此,通过依据待检索商标图像的像素,对该待检索商标图像进行分割,然后,通过预训练VGG16神经网络对商标分割图像中的图像特征向量进行提取,从而实现根据该提取的图像特征向量对与该待检索商标图像相似的商标进行检索;其中,通过预训练VGG16神经网络所提取的图像特征向量具有更好的表达视觉相似性,有助于提高检索效果。此外,还可以避免人工进行商标检索、及由于现有技术中表达视觉相似性的不足而导致商标检索结果不理想的问题。
图2为本发明中在进行图像分割之前对待检索商标图像进行处理的流程框图。根据图2所示,该处理方式的一种实现方式包括:
S21:获取所述待检索商标图像中各个区域的像素;
S22:基于所述各个区域的像素,将所述待检索商标图像中像素满足第一预设条件的区域图像进行删除;
在本实施例中,该第一预设条件可为预先设定,也可实时的根据需求进行设定,而且,并不对该第一预设条件的具体内容、及数值大小进行限定,只需其满足本实施例的要求即可。如:将该待检索商标图像中像素小于等于1K的区域图像进行删除,从而实现了对该待检索商标图像进行去边。
可选的,本实施例还包括以下实施步骤:
S23:将已进行区域图像删除的待检索商标图像进行灰度化处理,得到已进行区域图像删除的待检索商标图像及灰度化处理之后的商标灰度图像;
即:将上述步骤S22中已进行区域图像删除的待检索商标图像进行灰度化处理,但是,同时保存该已进行区域图像删除的待检索商标图像进行灰度化处理。从而可以避免该已进行区域图像删除的待检索商标图像中的图像颜色干扰,使得在本实施例中可以只依据该已进行区域图像删除的待检索商标图像的图像形状进行之后的检索工作,并借此可以提高检索精度。
但是,在本实施例中,并不对该保存方式进行限定,如:保存至本地磁盘。
而且,该待检索商标图像包括但不限于:彩色图像、及黑白图像。
其中,该灰度化处理包括:在RGB模型中,在R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0-255。具体的灰度化处理方式包括但不限于以下一种或多种对彩色图像进行灰度化:分量法、最大值法、平均值法加权、及平均法。如:在本实施例中,通过该S23中的灰度化处理,将该已进行区域图像删除的待检索商标图像灰度化为只包括0K及255K的像素。
S24:判断所述已进行区域图像删除的待检索商标图像的像素及所述商标灰度图像的像素的s差值是否满足第二预设条件;若是,则执行步骤S25,否则,则执行步骤S26;
在进行灰度化处理之后,计算已进行区域图像删除的待检索商标图像的像素与灰度化处理之后的商标灰度图像的像素的差值;然后判断该差值是否满足第二预设条件。
在本实施例中,该第二预设条件可为预先设定,也可实时的根据需求进行设定,而且,并不对该第二预设条件的具体内容、及数值大小进行限定,只需其满足本实施例的要求即可。如:判断该已进行区域图像删除的待检索商标图像的像素与该商标灰度图像的像素的差值是否大于2K。
S25:确定将所述商标灰度图像及所述已进行区域图像删除的待检索商标图像均确定为待进行预设图像分割的待检索商标图像;
在判定该已进行区域图像删除的待检索商标图像的像素及商标灰度图像的像素的差值满足第二预设条件的情况下,则可以确定该已进行区域图像删除的待检索商标图像及该商标灰度图像相似度较大,从而可以将该已进行区域图像删除的待检索商标图像及该商标灰度图像分别作为待检索商标图像以进行预设图像分割,从而完成后续的商标检索工作。
S26:确定将所述已进行区域图像删除的待检索商标图像确定为待进行预设图像分割的待检索商标图像。
在判定该已进行区域图像删除的待检索商标图像的像素及商标灰度图像的像素的差值不满足第二预设条件的情况下,则可以确定该已进行区域图像删除的待检索商标图像及该商标灰度图像相似度较小,为避免重复作用,从而只将该已进行区域图像删除的待检索商标图像作为待检索商标图像以进行预设图像分割,从而完成后续的商标检索工作。
图3为本发明中进行图像分割的流程框图。根据图3所示,上述步骤S11的一种实现方式包括:
S31:将所述待检索商标图像进行二值化处理,得到商标处理图像;
具体的,该二值化处理包括:将该待检索商标图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
而且,在执行完上述步骤S21至S26的情况下,该步骤S31中的待检索商标图像即为已进行上述步骤S21至S26之后的待检索商标图像。
S32:基于所述待检索商标图像的像素,确定对所述商标处理图像进行分割的图像分割线路;
S33:依据所述图像分割线路,将所述商标处理图像进行分割,得到第一分割图像,其中,所述第一分割图像包含于所述商标分割图像。
在本实施例中,并不对该图像分割线路的方向及形状进行限定,只需其满足本实施例的要求即可。如:在图像分割线路满足的情况下,可以对该待检索商标图像进行水平切割、和/或垂直切割。就此,在后续商标检索过程中,可以直接从第一分割图像中直接提取对应的图像特征向量,且也便于进行特征的单独比对,从而方便了图像特征向量提取及单独比对。
图4为本发明中进行连通域分割的流程框图。在另一实施例中,根据图4所示,在上述步骤S31之后,本实施例还包括以下实施方式:
S321:基于所述待检索商标图像的像素,确定所述商标处理图像中的连通域及所述连通域的大小;
S322:基于所述连通域的大小,将满足第三预设条件的连通域从所述商标处理图像中分割出来,得到分割出来的所述连通域,而且,所述分割出来的连通域包含于所述商标分割图像。
如:将该待检索商标图像具有12个连通域,然后,将这些连通域按照其大小进行排列,然后按照连通域从大至小以提取较大的5个连通域。
就此,在后续商标检索过程中,可以直接从第二分割图像中直接提取对应的图像特征向量,且也便于进行特征的单独比对,从而方便了图像特征向量提取及单独比对。
图5为本发明中进行图像特征向量提取的流程框图。根据图5所示,上述步骤S12的一种实现方式包括:
S51:将所述商标分割图像的尺寸进行设置,得到相同尺寸的商标分割图像;
S52:通过所述预训练VGG16神经网络对所述相同尺寸的商标分割图像中的图像特征向量进行提取。
即:将第一分割图像、及第二分割图像设置为相同尺寸的图像,并由此在后续商标检索过程中,可以直接从第一、二分割图像中直接提取对应的图像特征向量,且也便于进行特征的单独比对,从而方便了图像特征向量提取及单独比对。
图6为本发明中进行商标检索的流程框图。根据图6所示,上述步骤S13的一种实现方式包括:
S61:通过预设降维设备将所述图像特征向量的等量级调整为预设等量级;
如:将等量级1000的图像特征向量调整为等量级256的图像特征向量。而且,通过降维操作,可以有效减小资源消耗。
而且,在本实施例中,并不对该预设降维设备的种类进行限定,只需其满足本实施例的要求即可,如:该预设降维设备示范性设置为:主成分分析PCA。
S62:基于所述预设等量级的图像特征向量,通过KNN进行KD-Tree建模,得到KD-Tree检索模型;
S63:通过所述KD-Tree检索模型在所述预设数据库中对与所述待检索商标图像相似的商标进行检索。
可选的,在本实施例中,还可预先构建上述预设数据库,只需针对样本商标执行上述步骤S21-S26、步骤S31-S33、步骤S321-S322、及步骤S51-S52,然后将执行之后的样本数据输如该预设数据库进行相应处理即可。
就此,通过依据待检索商标图像的像素,对该待检索商标图像进行分割,然后,通过预训练VGG16神经网络对商标分割图像中的图像特征向量进行提取,从而实现根据该提取的图像特征向量对与该待检索商标图像相似的商标进行检索;其中,通过预训练VGG16神经网络所提取的图像特征向量具有更好的表达视觉相似性,有助于提高检索效果。此外,还可以避免人工进行商标检索、及由于现有技术中表达视觉相似性的不足而导致商标检索结果不理想的问题。
图7为本发明第二实施例中一种商标图像检索装置的结构示意图。根据图7所示,本发明第二实施例提供了一种商标图像检索装置,该装置包括:
分割模块110,用于基于所述待检索商标图像的像素,将所述待检索商标图像进行预设图像分割,得到商标分割图像;图像特征向量提取模块120,用于通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取;检索模块130,用于基于所述图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索。
可选的,该装置还包括:像素获取模块,用于在所述将待检索商标图像进行预设图像分割之前,获取所述待检索商标图像中各个区域的像素;删除模块,用于基于所述各个区域的像素,将所述待检索商标图像中像素满足第一预设条件的区域图像进行删除。
可选的,该装置还包括:灰度化处理模块,用于在所述将待检索商标图像中像素满足第一预设条件的区域图像进行删除之后,且在所述将待检索商标图像进行预设图像分割之前,将已进行区域图像删除的待检索商标图像进行灰度化处理,得到已进行区域图像删除的待检索商标图像及灰度化处理之后的商标灰度图像;
判断模块,用于判断所述已进行区域图像删除的待检索商标图像的像素及所述商标灰度图像的像素的差值是否满足第二预设条件;若是,则确定将所述商标灰度图像及所述已进行区域图像删除的待检索商标图像均确定为待进行预设图像分割的待检索商标图像;否则,确定将所述已进行区域图像删除的待检索商标图像确定为待进行预设图像分割的待检索商标图像。
可选的,该分割模块110具体包括:二值化处理单元,用于将所述待检索商标图像进行二值化处理,得到商标处理图像;分割线路单元,用于基于所述待检索商标图像的像素,确定对所述商标处理图像进行分割的图像分割线路;分割单元,用于依据所述图像分割线路,将所述商标处理图像进行分割,得到第一分割图像,其中,所述第一分割图像包含于所述商标分割图像。
可选的,该分割模块110还包括:连通域确定单元,用于在所述将待检索商标图像进行二值化处理,得到商标处理图像之后,基于所述待检索商标图像的像素,确定所述商标处理图像中的连通域及所述连通域的大小;连通域切割单元,用于基于所述连通域的大小,将满足第三预设条件的连通域从所述商标处理图像中分割出来,得到分割出来的所述连通域,而且,所述分割出来的连通域包含于所述商标分割图像。
可选的,图像特征向量提取模块120包括:尺寸设置单元,用于将所述商标分割图像的尺寸进行设置,得到相同尺寸的商标分割图像;提取单元,用于通过所述预训练VGG16神经网络对所述相同尺寸的商标分割图像中的图像特征向量进行提取。
可选的,该检索模块130包括:等量级调节单元,用于通过预设降维设备将所述图像特征向量的等量级调整为预设等量级;建模单元,用于基于所述预设等量级的图像特征向量,通过KNN进行KD-Tree建模,得到KD-Tree检索模型;检索单元,用于通过所述KD-Tree检索模型在所述预设数据库中对与所述待检索商标图像相似的商标进行检索。
本发明第三实施例提供了一种计算机设备,包括处理器和存储器;所述存储器用于存储计算机指令,所述处理器用于运行所述存储器存储的计算机指令,以实现上述的一种商标图像检索方法。
本发明第三实施例中的一种计算机设备所涉及的名词及实现原理具体可以参照本发明实施例中的第一实施例的一种商标图像检索方法,在此不再赘述。
本发明第四实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个模块,所述一个或者多个模块可被一个或者多个处理器执行,以实现上述的一种商标图像检索方法。
本发明第四实施例中的一种计算机可读存储介质所涉及的名词及实现原理具体可以参照本发明实施例中的第一实施例的一种商标图像检索方法,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种商标图像检索方法,其特征在于,所述方法包括:
基于待检索商标图像的像素,将所述待检索商标图像进行预设图像分割,得到商标分割图像;
通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取;
基于所述图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索。
2.根据权利要求1所述的方法,其特征在于,在所述将待检索商标图像进行预设图像分割之前,所述方法还包括:
获取所述待检索商标图像中各个区域的像素;
基于所述各个区域的像素,将所述待检索商标图像中像素满足第一预设条件的区域图像进行删除。
3.根据权利要求2所述的方法,其特征在于,在所述将待检索商标图像中像素满足第一预设条件的区域图像进行删除之后,且在所述将待检索商标图像进行预设图像分割之前,所述方法还包括:
将已进行区域图像删除的待检索商标图像进行灰度化处理,得到已进行区域图像删除的待检索商标图像及灰度化处理之后的商标灰度图像;
判断所述已进行区域图像删除的待检索商标图像的像素及所述商标灰度图像的像素的差值是否满足第二预设条件;
若是,则确定将所述商标灰度图像及所述已进行区域图像删除的待检索商标图像均确定为待进行预设图像分割的待检索商标图像;
否则,确定将所述已进行区域图像删除的待检索商标图像确定为待进行预设图像分割的待检索商标图像。
4.根据权利要求1所述的方法,其特征在于,所述将待检索商标图像进行预设图像分割,得到商标分割图像,包括:
将所述待检索商标图像进行二值化处理,得到商标处理图像;
基于所述待检索商标图像的像素,确定对所述商标处理图像进行分割的图像分割线路;
依据所述图像分割线路,将所述商标处理图像进行分割,得到第一分割图像,其中,所述第一分割图像包含于所述商标分割图像。
5.根据权利要求4所述的方法,其特征在于,在所述将待检索商标图像进行二值化处理,得到商标处理图像之后,所述将待检索商标图像进行预设图像分割,得到商标分割图像还包括:
基于所述待检索商标图像的像素,确定所述商标处理图像中的连通域及所述连通域的大小;
基于所述连通域的大小,将满足第三预设条件的连通域从所述商标处理图像中分割出来,得到分割出来的所述连通域,而且,所述分割出来的连通域包含于所述商标分割图像。
6.根据权利要求1所述的方法,其特征在于,所述通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取,包括:
将所述商标分割图像的尺寸进行设置,得到相同尺寸的商标分割图像;
通过所述预训练VGG16神经网络对所述相同尺寸的商标分割图像中的图像特征向量进行提取。
7.根据权利要求1所述的方法,其特征在于,所述基于图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索,包括:
通过预设降维设备将所述图像特征向量的等量级调整为预设等量级;
基于所述预设等量级的图像特征向量,通过K最邻近分类算法KNN进行KD-Tree建模,得到KD-Tree检索模型;
通过所述KD-Tree检索模型在所述预设数据库中对与所述待检索商标图像相似的商标进行检索。
8.一种商标图像检索装置,其特征在于,所述装置包括:
分割模块,用于基于所述待检索商标图像的像素,将所述待检索商标图像进行预设图像分割,得到商标分割图像;
图像特征向量提取模块,用于通过预训练VGG16神经网络对所述商标分割图像的图像特征向量进行提取;
检索模块,用于基于所述图像特征向量,在预设数据库中对与所述待检索商标图像相似的商标进行检索。
9.一种计算机设备,其特征在于,包括处理器和存储器;
所述存储器用于存储计算机指令,所述处理器用于运行所述存储器存储的计算机指令,以实现权利要求1至7中任一项所述的一种商标图像检索方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至7中任一项所述的一种商标图像检索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114814.0A CN109857897B (zh) | 2019-02-14 | 2019-02-14 | 一种商标图像检索方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114814.0A CN109857897B (zh) | 2019-02-14 | 2019-02-14 | 一种商标图像检索方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109857897A true CN109857897A (zh) | 2019-06-07 |
CN109857897B CN109857897B (zh) | 2021-06-29 |
Family
ID=66897875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910114814.0A Active CN109857897B (zh) | 2019-02-14 | 2019-02-14 | 一种商标图像检索方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109857897B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884005A (zh) * | 2021-01-21 | 2021-06-01 | 汉唐信通(北京)科技有限公司 | 一种基于sptag及卷积神经网的图像检索方法及装置 |
CN113554615A (zh) * | 2021-07-21 | 2021-10-26 | 网易(杭州)网络有限公司 | 一种图像精细化处理方法、装置、电子设备及存储介质 |
CN113903042A (zh) * | 2021-09-13 | 2022-01-07 | 同盾科技有限公司 | 商标识别方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739397A (zh) * | 2008-11-17 | 2010-06-16 | 新疆亚奥数码科技有限公司 | 基于mpeg-7的图像检索系统 |
WO2012151755A1 (zh) * | 2011-05-12 | 2012-11-15 | 中国科学院自动化研究所 | 商标检测与识别的方法 |
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN104462381A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像检索方法 |
CN105574161A (zh) * | 2015-12-15 | 2016-05-11 | 徐庆 | 一种商标图形要素识别方法、装置和系统 |
CN108875076A (zh) * | 2018-07-10 | 2018-11-23 | 重庆大学 | 一种基于Attention机制和卷积神经网络的快速商标图像检索方法 |
-
2019
- 2019-02-14 CN CN201910114814.0A patent/CN109857897B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739397A (zh) * | 2008-11-17 | 2010-06-16 | 新疆亚奥数码科技有限公司 | 基于mpeg-7的图像检索系统 |
WO2012151755A1 (zh) * | 2011-05-12 | 2012-11-15 | 中国科学院自动化研究所 | 商标检测与识别的方法 |
CN103258037A (zh) * | 2013-05-16 | 2013-08-21 | 西安工业大学 | 一种针对多组合内容的商标识别检索方法 |
CN104462381A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像检索方法 |
CN105574161A (zh) * | 2015-12-15 | 2016-05-11 | 徐庆 | 一种商标图形要素识别方法、装置和系统 |
CN108875076A (zh) * | 2018-07-10 | 2018-11-23 | 重庆大学 | 一种基于Attention机制和卷积神经网络的快速商标图像检索方法 |
Non-Patent Citations (1)
Title |
---|
梁平 等: "" 基于深度学习耦合稀疏语义度量的商标检索算法"", 《包装工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884005A (zh) * | 2021-01-21 | 2021-06-01 | 汉唐信通(北京)科技有限公司 | 一种基于sptag及卷积神经网的图像检索方法及装置 |
CN113554615A (zh) * | 2021-07-21 | 2021-10-26 | 网易(杭州)网络有限公司 | 一种图像精细化处理方法、装置、电子设备及存储介质 |
CN113554615B (zh) * | 2021-07-21 | 2023-08-22 | 网易(杭州)网络有限公司 | 一种图像精细化处理方法、装置、电子设备及存储介质 |
CN113903042A (zh) * | 2021-09-13 | 2022-01-07 | 同盾科技有限公司 | 商标识别方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109857897B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pun et al. | A two-stage localization for copy-move forgery detection | |
CN101763429B (zh) | 一种基于颜色和形状特征的图像检索方法 | |
JP3966154B2 (ja) | 多次元画像をセグメント化する方法およびコンピュータシステム | |
CN109862394A (zh) | 视频内容的审核方法、装置、设备和存储介质 | |
Fadaei et al. | Local derivative radial patterns: A new texture descriptor for content-based image retrieval | |
CN109857897A (zh) | 一种商标图像检索方法、装置、计算机设备及存储介质 | |
Xiao et al. | Efficient shadow removal using subregion matching illumination transfer | |
Tan et al. | Legitimate adversarial patches: Evading human eyes and detection models in the physical world | |
CN107292248A (zh) | 一种基于图像识别技术的商品管理方法及系统 | |
US20100061587A1 (en) | System, method, and apparatus for video fingerprinting | |
CN112801846B (zh) | 一种水印嵌入、提取方法、装置、计算机设备和存储介质 | |
CN108205676B (zh) | 提取图像文字区域的方法和装置 | |
CN107545049B (zh) | 图片处理方法及相关产品 | |
CN107169106A (zh) | 视频检索方法、装置、存储介质及处理器 | |
CN107169425A (zh) | 一种商品属性的识别方法及装置 | |
CN111860369A (zh) | 一种欺诈识别方法、装置以及存储介质 | |
US9906588B2 (en) | Server and method for extracting content for commodity | |
Lodh et al. | Flower recognition system based on color and GIST features | |
CN114049536A (zh) | 一种虚拟样本生成方法、装置、存储介质及电子设备 | |
CN115186303A (zh) | 一种基于大数据云平台的金融签章安全管理方法及系统 | |
Zheng et al. | Study on image retrieval based on image texture and color statistical projection | |
Usha et al. | Content based image retrieval using combined features of color and texture features with SVM classification | |
Mahajan et al. | Image retrieval using contribution-based clustering algorithm with different feature extraction techniques | |
Kothyari et al. | Content based image retrieval using statistical feature and shape extraction | |
CN113723093B (zh) | 人员管理策略推荐方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |