CN114529784B - 一种面向电商数据的商标侵权分析方法及系统 - Google Patents
一种面向电商数据的商标侵权分析方法及系统 Download PDFInfo
- Publication number
- CN114529784B CN114529784B CN202210153495.6A CN202210153495A CN114529784B CN 114529784 B CN114529784 B CN 114529784B CN 202210153495 A CN202210153495 A CN 202210153495A CN 114529784 B CN114529784 B CN 114529784B
- Authority
- CN
- China
- Prior art keywords
- trademark
- commodity
- information
- detection model
- trademarks
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 153
- 238000012549 training Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000013145 classification model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种面向电商数据的商标侵权分析方法，通过构建商标检测模型和商品检测模型；利用商品检测模型提取品牌商的标准商品特征信息，并确定应用商标检测模型中哪几种商标分类进行检测；获取待侵权判断的商品特征信息并设置侵权阈值，计算每种商品的标准商品特征信息与待侵权判断的商品特征信息的相似度，若存在相似度大于侵权阈值的商品，则使用商标检测模型对待侵权判断的商品信息进行识别，若存在对应的商标分类，则判断此商品的商标为不当使用。本发明还提供一种商标侵权分析系统，通过训练商标检测模型和商品检测模型，综合电商平台相关的商品信息数据对商标侵权进行分析，有效提高针对电商平台的商标侵权判断方法的可行性和准确性。
Description
技术领域
本发明涉及网络信息处理技术领域，特别是涉及一种面向电商数据的商标侵权分析方法及系统。
背景技术
随着网络的发展，电商平台作为商品流通的一个重要渠道,在电商平台开店的商家越来越多，电商平台上出现了大量的蹭热度、变相使用、不合规使用、不经授权使用品牌名称和品牌商标的现象，而且图片和视频的内容越来越多，图片和视频里不正确使用品牌商标的情况也越来越多。如何判断图片和视频内容是否侵权和不正确使用商标，是当前的研究重点。
现有技术公开了一种商标侵权识别方法及电子设备，涉及数据处理技术领域，具体涉及一种商标侵权识别方法及电子设备。其技术方案主要包括：(1)预设商品库。(2)人工输入或者在商品库匹配出目标商品。(3)对互联网所有信息进行匹配提取推广信息。(4)对比推广信息和目标商品的相似度(语义分析和股权分析)判断是否侵权。该方案虽然可以确认是否发生侵权行为，但其问题在于，确定了目标商品以后需要去采集互联网全部的相关信息,难度比较大。且语义的标准和股权分析的准确性比较难确定。
现有技术还公开了一种商标侵权的识别方法、装置、计算机设备和存储介质，涉及人工智能技术领域，其技术方案主要包括：(1)获取目标商标图像；(2)根据所述目标商标图像查询预存储的候选商标图像；(3)将所述目标商标图像和所述候选商标图像分别输入已训练的特征提取模型进行预测，获得与所述目标商标图像对应的第一图像特征，以及与所述候选商标图像对应的第二图像特征；(3)将所述第一图像特征和所述第二图像特征进行拼接获得第三图像特征，并将所述第三图像特征输入已训练的侵权预测模型进行预测，判定是否侵权。该方案主要问题是图像特征的提取是通用化的图片特征提取，针对商标本身的图片分析维度不够。
发明内容
本发明为了解决以上至少一种技术缺陷，提供一种面向电商数据的商标侵权分析方法及系统，通过训练商标检测模型和商品检测模型，综合电商平台相关的商品信息数据对商标侵权进行分析，提高针对电商平台的商标侵权判断方法的可行性和准确性。
为解决上述技术问题，本发明的技术方案如下：
一种面向电商数据的商标侵权分析方法，包括以下步骤：
S1：获取电商平台对应品牌的商品图片和商品视频数据，并将商品视频数据按照每N帧进行切割的方式切割成图片，由商品图片和切割得到的图片构成图片数据集；
S2：针对图片数据集的商品和商标两个维度进行训练，获取商标检测模型和商品检测模型；
S3：收集品牌商信息，构建信息数据库；
S4：采用商品检测模型在信息数据库中提取品牌商每种商品的标准商品特征信息，并确定应用商标检测模型中哪几种商标分类进行检测；
S5：将待侵权判断的商品信息使用商品检测模型进行识别，获取待侵权判断的商品特征信息；
S6：设置侵权阈值，计算每种商品的标准商品特征信息与待侵权判断的商品特征信息的相似度，判断是否存在相似度大于侵权阈值的商品，若存在，则执行步骤S7，否则，判断为不侵权；
S7：使用商标检测模型对待侵权判断的商品信息进行识别，检测对应的商标分类是否存在，若存在，则判断此商品的商标为不当使用，否则，判断为不侵权。
上述方案中，其侵权判断过程仅需要输入标准商标信息和待判断的商品信息即可，不需要临时采集大量的数据，操作方便快捷；通过训练商标检测模型和商品检测模型，综合电商平台相关的商品信息数据对商标侵权进行分析，有效提高针对电商平台的商标侵权判断方法的可行性和准确性。
进一步的，本方案通过使用来自电商平台比较标准的电商数据作为训练商标检测模型和商品检测模型的数据集，无需预设完备的商标库，针对性强，有效节省资源；且可以通过对品牌商信息进行调整更换，更全面地识别商标数据。
进一步的，本方案通过准确的电商商品数据的输入加上商品和对应商标使用方式的判断，能准确判断处电商平台商品的图片和视频是否有对商标的不当使用以及不当使用的方式。
其中，在所述步骤S2中，针对图片数据集的商品和商标两个维度进行训练是基于YOLO框架，在网络结构上使用yolov5x模型进行训练，在图片数据集的基础上，对商标和商品进行标注，生成商标检测模型和商品检测模型；其中：
在对商标进行标注时，除了需要对商标本身进行标注，还需要对商标的分类进行标注；所述商标检测模型在检测过程中，先定位检测图片中的商标标识、商标文字和其他文字的位置，再对商标进行分类；
而商品检测模型通过提取检测图片中的商品特征信息，达到商品检测的目的。
上述方案中，商标的分类包括商标数量、商标颜色、商标字体、商标轮廓、商标色块、商标的压缩比、商标是否变形。此处的分类可以涵盖目前广泛商标不当使用的情况分类，在此基础上可以对分类进行扩充和定制。
其中，在所述步骤S3中，所述品牌商信息包括品牌商公司信息、商标文字、商标图片、对应关键词列表、商品信息列表；通过收集品牌商信息，构建信息数据库。
其中，在所述步骤S4中，提取品牌商每种商品的标准商品特征信息的具体操作为：采用商品检测模型对信息数据库中商品信息列表中的图片进行商品特征信息提取，从而获取到品牌商每种商品的标准商品特征信息；确定应用商标检测模型中哪几种商标分类进行检测的具体操作为：通过商标检测模型对信息数据库中的商标图片进行分析，从而确定应用商标检测模型中哪几种商标分类进行检测。
其中，在所述步骤S7中，若判断到商品的商标为不当使用时，同时生成商标不正当使用的具体分类类型。
上述方案中，本方案针对商标图片进行了不当使用的分类，能够更准确地判断处不当使用的分类。本方案从商标数据的训练内容和商品数据的训练分类模型再到不当使用的判断标准的确定，其能够非常有效地在海量电商平台图片中找到商标不当使用的图片。
进一步地，本方案针对受众的平台数据的商标图片视频做了关键性的分析，和对商标的不当使用的判断方法做了可落地的确定性计划，实现了对商标侵权进行分析，有效提高针对电商平台的商标侵权判断方法的可行性和准确性。
其中，待侵权判断的商品信息包括电商商品图片信息、标题文字、简介文字，而设置在侵权阈值默认为0.8，当电商平台的商品图片数据特征对比在80％相似度时，其基本可以认定为与标准商品是同一个商品。
本方案还提供一种面向电商数据的商标侵权分析系统，用于实现一种面向电商数据的商标侵权分析方法，具体包括数据获取切割模块、模型训练模块、数据库构建模块、特征提取模块、商标分类确定模块、商品信息识别模块、阈值设置模块、相似度计算模块、商标分类检测模块和侵权分析结果输出模块；其中：数据获取切割模块用于获取电商平台对应品牌的商品图片和商品视频数据，并将商品视频数据切割成图片，由商品图片和切割得到的图片构成图片数据集；模型训练模块用于针对图片数据集的商品和商标两个维度进行训练，获取商标检测模型和商品检测模型；数据库构建模块用于收集品牌商信息，构建信息数据库；特征提取模块通过采用商品检测模型在信息数据库中提取品牌商每种商品的标准商品特征信息；商标分类确定模块用于确定应用商标检测模型中哪几种商标分类进行检测；商品信息识别模块用于使用商品检测模型对待侵权判断的商品信息进行识别，获取待侵权判断的商品特征信息；阈值设置模块用于设置侵权阈值；相似度计算模块用于计算每种商品的标准商品特征信息与待侵权判断的商品特征信息的相似度，判断是否存在相似度大于侵权阈值的商品，若存在，则由商标分类检测模块进一步处理，否则，由侵权分析结果输出模块输出不侵权的结果；商标分类检测模块用于使用商标检测模型对待侵权判断的商品信息进行识别，检测对应的商标分类是否存在，若存在，则由侵权分析结果输出模块输出此商品的商标为不当使用的结果，否则，输出不侵权的结果。
其中，在所述模型训练模块中，针对图片数据集的商品和商标两个维度进行训练是基于YOLO框架，在网络结构上使用yolov5x模型进行训练，在图片数据集的基础上，对商标和商品进行标注，生成商标检测模型和商品检测模型；其中：在对商标进行标注时，除了需要对商标本身进行标注，还需要对商标的分类进行标注；所述商标检测模型在检测过程中，先定位检测图片中的商标标识、商标文字和其他文字的位置，再对商标进行分类；而商品检测模型通过提取检测图片中的商品特征信息，达到商品检测的目的。
其中，在所述数据库构建模块中，所述品牌商信息包括品牌商公司信息、商标文字、商标图片、对应关键词列表、商品信息列表；通过收集品牌商信息，构建信息数据库。
其中，在所述特征提取模块中，提取品牌商每种商品的标准商品特征信息的具体操作为：采用商品检测模型对信息数据库中商品信息列表中的图片进行商品特征信息提取，从而获取到品牌商每种商品的标准商品特征信息；在所述商标分类确定模块中，确定应用商标检测模型中哪几种商标分类的具体操作为：通过商标检测模型对信息数据库中的商标图片进行分析，从而确定应用商标检测模型中哪几种商标分类。
其中，在所述商标分类检测模块中，当判断到商品的商标为不当使用时，将同步生成商标不正当使用的具体分类类型，由所述侵权分析结果输出模块输出。
与现有技术相比，本发明技术方案的有益效果是：
本发明提出了一种面向电商数据的商标侵权分析方法及系统，其侵权判断过程仅需要输入标准商标信息和待判断的商品信息即可，不需要临时采集大量的数据，操作方便快捷；通过训练商标检测模型和商品检测模型，综合电商平台相关的商品信息数据对商标侵权进行分析，有效提高针对电商平台的商标侵权判断方法的可行性和准确性。
附图说明
图1为本发明所述方法流程示意图；
图2为本发明所述系统模块连接示意图；
图3为本发明一实施例中所采用的商品商标示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，一种面向电商数据的商标侵权分析方法，包括以下步骤：
S1：获取电商平台对应品牌的商品图片和商品视频数据，并将商品视频数据按照每N帧进行切割的方式切割成图片，由商品图片和切割得到的图片构成图片数据集；
S2：针对图片数据集的商品和商标两个维度进行训练，获取商标检测模型和商品检测模型；
S3：收集品牌商信息，构建信息数据库；
S4：采用商品检测模型在信息数据库中提取品牌商每种商品的标准商品特征信息，并确定应用商标检测模型中哪几种商标分类进行检测；
S5：将待侵权判断的商品信息使用商品检测模型进行识别，获取待侵权判断的商品特征信息；
S6：设置侵权阈值，计算每种商品的标准商品特征信息与待侵权判断的商品特征信息的相似度，判断是否存在相似度大于侵权阈值的商品，若存在，则执行步骤S7，否则，判断为不侵权；
S7：使用商标检测模型对待侵权判断的商品信息进行识别，检测对应的商标分类是否存在，若存在，则判断此商品的商标为不当使用，否则，判断为不侵权。
在具体实施过程中，其侵权判断过程仅需要输入标准商标信息和待判断的商品信息即可，不需要临时采集大量的数据，操作方便快捷；通过训练商标检测模型和商品检测模型，综合电商平台相关的商品信息数据对商标侵权进行分析，有效提高针对电商平台的商标侵权判断方法的可行性和准确性。
进一步的，本实施例通过使用来自电商平台比较标准的电商数据作为训练商标检测模型和商品检测模型的数据集，无需预设完备的商标库，针对性强，有效节省资源；且可以通过对品牌商信息进行调整更换，更全面地识别商标数据。
进一步的，本实施例通过准确的电商商品数据的输入加上商品和对应商标使用方式的判断，能准确判断处电商平台商品的图片和视频是否有对商标的不当使用以及不当使用的方式。
更具体的，在所述步骤S2中，针对图片数据集的商品和商标两个维度进行训练是基于YOLO框架，在网络结构上使用yolov5x模型进行训练，在图片数据集的基础上，对商标和商品进行标注，生成商标检测模型和商品检测模型；其中：
在对商标进行标注时，除了需要对商标本身进行标注，还需要对商标的分类进行标注；所述商标检测模型在检测过程中，先定位检测图片中的商标标识、商标文字和其他文字的位置，再对商标进行分类；
而商品检测模型通过提取检测图片中的商品特征信息，达到商品检测的目的。
在具体实施过程中，商标的分类包括商标数量、商标颜色、商标字体、商标轮廓、商标色块、商标的压缩比、商标是否变形。此处的分类可以涵盖目前广泛商标不当使用的情况分类，在此基础上可以对分类进行扩充和定制。
更具体的，在所述步骤S3中，所述品牌商信息包括品牌商公司信息、商标文字、商标图片、对应关键词列表、商品信息列表；通过收集品牌商信息，构建信息数据库。
更具体的，在所述步骤S4中，提取品牌商每种商品的标准商品特征信息的具体操作为：采用商品检测模型对信息数据库中商品信息列表中的图片进行商品特征信息提取，从而获取到品牌商每种商品的标准商品特征信息；确定应用商标检测模型中哪几种商标分类进行检测的具体操作为：通过商标检测模型对信息数据库中的商标图片进行分析，从而确定应用商标检测模型中哪几种商标分类进行检测。
更具体的，在所述步骤S7中，若判断到商品的商标为不当使用时，同时生成商标不正当使用的具体分类类型。
在具体实施过程中，本方案针对商标图片进行了不当使用的分类，能够更准确地判断处不当使用的分类。本方案从商标数据的训练内容和商品数据的训练分类模型再到不当使用的判断标准的确定，其能够非常有效地在海量电商平台图片中找到商标不当使用的图片。
进一步地，本实施例针对受众的平台数据的商标图片视频做了关键性的分析，和对商标的不当使用的判断方法做了可落地的确定性计划，实现了对商标侵权进行分析，有效提高针对电商平台的商标侵权判断方法的可行性和准确性。
更具体的，待侵权判断的商品信息包括电商商品图片信息、标题文字、简介文字，而设置在侵权阈值默认为0.8，当电商平台的商品图片数据特征对比在80％相似度时，其基本可以认定为与标准商品是同一个商品。
实施例2
本方案还提供一种面向电商数据的商标侵权分析系统，如图2所示，用于实现一种面向电商数据的商标侵权分析方法，具体包括数据获取切割模块、模型训练模块、数据库构建模块、特征提取模块、商标分类确定模块、商品信息识别模块、阈值设置模块、相似度计算模块、商标分类检测模块和侵权分析结果输出模块；其中：数据获取切割模块用于获取电商平台对应品牌的商品图片和商品视频数据，并将商品视频数据切割成图片，由商品图片和切割得到的图片构成图片数据集；模型训练模块用于针对图片数据集的商品和商标两个维度进行训练，获取商标检测模型和商品检测模型；数据库构建模块用于收集品牌商信息，构建信息数据库；特征提取模块通过采用商品检测模型在信息数据库中提取品牌商每种商品的标准商品特征信息；商标分类确定模块用于确定应用商标检测模型中哪几种商标分类进行检测；商品信息识别模块用于使用商品检测模型对待侵权判断的商品信息进行识别，获取待侵权判断的商品特征信息；阈值设置模块用于设置侵权阈值；相似度计算模块用于计算每种商品的标准商品特征信息与待侵权判断的商品特征信息的相似度，判断是否存在相似度大于侵权阈值的商品，若存在，则由商标分类检测模块进一步处理，否则，由侵权分析结果输出模块输出不侵权的结果；商标分类检测模块用于使用商标检测模型对待侵权判断的商品信息进行识别，检测对应的商标分类是否存在，若存在，则由侵权分析结果输出模块输出此商品的商标为不当使用的结果，否则，输出不侵权的结果。
更具体的，在所述模型训练模块中，针对图片数据集的商品和商标两个维度进行训练是基于YOLO框架，在网络结构上使用yolov5x模型进行训练，在图片数据集的基础上，对商标和商品进行标注，生成商标检测模型和商品检测模型；其中：在对商标进行标注时，除了需要对商标本身进行标注，还需要对商标的分类进行标注；所述商标检测模型在检测过程中，先定位检测图片中的商标标识、商标文字和其他文字的位置，再对商标进行分类；而商品检测模型通过提取检测图片中的商品特征信息，达到商品检测的目的。
更具体的，在所述数据库构建模块中，所述品牌商信息包括品牌商公司信息、商标文字、商标图片、对应关键词列表、商品信息列表；通过收集品牌商信息，构建信息数据库。
更具体的，在所述特征提取模块中，提取品牌商每种商品的标准商品特征信息的具体操作为：采用商品检测模型对信息数据库中商品信息列表中的图片进行商品特征信息提取，从而获取到品牌商每种商品的标准商品特征信息；在所述商标分类确定模块中，确定应用商标检测模型中哪几种商标分类的具体操作为：通过商标检测模型对信息数据库中的商标图片进行分析，从而确定应用商标检测模型中哪几种商标分类。
更具体的，在所述商标分类检测模块中，当判断到商品的商标为不当使用时，将同步生成商标不正当使用的具体分类类型，由所述侵权分析结果输出模块输出。
本方案提出了一种面向电商数据的商标侵权分析系统，其侵权判断过程仅需要输入标准商标信息和待判断的商品信息即可，不需要临时采集大量的数据，操作方便快捷；通过训练商标检测模型和商品检测模型，综合电商平台相关的商品信息数据对商标侵权进行分析，有效提高针对电商平台的商标侵权判断方法的可行性和准确性。
实施例3
为了进一步说明本方案的技术效果，本实施例对于京东平台发布的商品判断是否有对丰田汽车的商标侵权或者授权厂商对丰田汽车的商标使用不当。
具体步骤如下：
首先，收集京东平台的对应丰田汽车商品图片和商品视频数据，把视频数据按每分钟60帧进行切分，切割为图片，得到图片集；对图片集的丰田商标进行标注，然后训练生成商标检测模型，在对商标进行标注的时候，除了需要对商标本身进行标注还需要对商标的分类进行标注；商标检测模型先定位图片中的商标标识、商标文字和其他文字的位置，再对商标进行分类，通过了解用户的商标不当使用标准，并且分析丰田汽车的商标，分类这里选出商标数量，商标颜色，商标字体，商标轮廓，商标压缩比，商标是否变形这几种分类方式来判断；对图片集的商品进行标注，这里只标注丰田汽车的各种型号，然后训练生成商品检测模型。
第二，收集丰田信息注册在数据库中，信息包括公司名字、商标文字(TOYOTA)、商标图片(如图3)、丰田关键词列表、商品信息列表(丰田所有车型信息和图片)，对品牌的商标图片进行分析，应用商标分类模型中的商标数量，商标颜色，商标字体，商标轮廓，商标压缩比，商标是否变形这几种分类；对丰田商品信息列表中的图片应用商品检测模型，提取特征向量，保存到数据库。
第三，提供需要判断的的电商商品，即待侵权判断的商品的图片信息、标题文字、简介文字，并提供相似度阈值设为为0.9，此处使用0.9而不是使用默认阈值0.8是因为丰田汽车商品图片相对来说比较大比较标准，阈值较高可以过滤掉更多的噪音数据。
最后，对丰田的商品图片信息应用商品检测模型，提取特征向量，和数据库中注册的丰田的商标信息对应的特征向量进行对比，如果相似度不超过0.9，停止后续计算，如果相似度超过0.9则选取丰田的商标检测模型匹配商标对应的商标数量，商标颜色，商标字体，商标轮廓，商标压缩比，商标是否变形，得到商品图片对应商标的分类判断结果。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种面向电商数据的商标侵权分析方法，其特征在于，包括以下步骤：
S1：获取电商平台对应品牌的商品图片和商品视频数据，并将商品视频数据切割成图片，由商品图片和切割得到的图片构成图片数据集；
S2：针对图片数据集的商品和商标两个维度进行训练，获取商标检测模型和商品检测模型，针对图片数据集的商品和商标两个维度进行训练是基于YOLO框架，在网络结构上使用yolov5x模型进行训练，在图片数据集的基础上，对商标和商品进行标注，生成商标检测模型和商品检测模型；
S3：收集品牌商信息，构建信息数据库；
S4：采用商品检测模型在信息数据库中提取品牌商每种商品的标准商品特征信息，通过商标检测模型对信息数据库中的商标图片进行分析，并确定应用商标检测模型中哪几种商标分类进行检测；商标的分类包括商标数量、商标颜色、商标字体、商标轮廓、商标色块、商标的压缩比、商标是否变形；
S5：将待侵权判断的商品信息使用商品检测模型进行识别，获取待侵权判断的商品特征信息；
S6：设置侵权阈值，计算每种商品的标准商品特征信息与待侵权判断的商品特征信息的相似度，判断是否存在相似度大于侵权阈值的商品，若存在，则执行步骤S7，否则，判断为不侵权；
S7：使用商标检测模型对待侵权判断的商品信息进行识别，检测对应的商标分类是否存在，若存在，则判断此商品的商标为不当使用，否则，判断为不侵权。
2.根据权利要求1所述的一种面向电商数据的商标侵权分析方法，其特征在于，在所述步骤S2中，在对商标进行标注时，除了需要对商标本身进行标注，还需要对商标的分类进行标注；所述商标检测模型在检测过程中，先定位检测图片中的商标标识、商标文字和其他文字的位置，再对商标进行分类；
而商品检测模型通过提取检测图片中的商品特征信息，达到商品检测的目的。
3.根据权利要求2所述的一种面向电商数据的商标侵权分析方法，其特征在于，在所述步骤S3中，所述品牌商信息包括品牌商公司信息、商标文字、商标图片、对应关键词列表、商品信息列表；通过收集品牌商信息，构建信息数据库。
4.根据权利要求3所述的一种面向电商数据的商标侵权分析方法，其特征在于，在所述步骤S4中，提取品牌商每种商品的标准商品特征信息的具体操作为：采用商品检测模型对信息数据库中商品信息列表中的图片进行商品特征信息提取，从而获取到品牌商每种商品的标准商品特征信息；确定应用商标检测模型中哪几种商标分类进行检测的具体操作为：通过商标检测模型对信息数据库中的商标图片进行分析，从而确定应用商标检测模型中哪几种商标分类进行检测。
5.根据权利要求1～4任一项所述的一种面向电商数据的商标侵权分析方法，其特征在于，在所述步骤S7中，若判断到商品的商标为不当使用时，同时生成商标不正当使用的具体分类类型。
6.一种面向电商数据的商标侵权分析系统，其特征在于，包括数据获取切割模块、模型训练模块、数据库构建模块、特征提取模块、商标分类确定模块、商品信息识别模块、阈值设置模块、相似度计算模块、商标分类检测模块和侵权分析结果输出模块；其中：
数据获取切割模块用于获取电商平台对应品牌的商品图片和商品视频数据，并将商品视频数据切割成图片，由商品图片和切割得到的图片构成图片数据集；
模型训练模块用于针对图片数据集的商品和商标两个维度进行训练，获取商标检测模型和商品检测模型；针对图片数据集的商品和商标两个维度进行训练是基于YOLO框架，在网络结构上使用yolov5x模型进行训练，在图片数据集的基础上，对商标和商品进行标注，生成商标检测模型和商品检测模型；
数据库构建模块用于收集品牌商信息，构建信息数据库；
特征提取模块通过采用商品检测模型在信息数据库中提取品牌商每种商品的标准商品特征信息；
商标分类确定模块用于通过商标检测模型对信息数据库中的商标图片进行分析确定应用商标检测模型中哪几种商标分类进行检测；商标的分类包括商标数量、商标颜色、商标字体、商标轮廓、商标色块、商标的压缩比、商标是否变形；
商品信息识别模块用于使用商品检测模型对待侵权判断的商品信息进行识别，获取待侵权判断的商品特征信息；
阈值设置模块用于设置侵权阈值；
相似度计算模块用于计算每种商品的标准商品特征信息与待侵权判断的商品特征信息的相似度，判断是否存在相似度大于侵权阈值的商品，若存在，则由商标分类检测模块进一步处理，否则，由侵权分析结果输出模块输出不侵权的结果；
商标分类检测模块用于使用商标检测模型对待侵权判断的商品信息进行识别，检测对应的商标分类是否存在，若存在，则由侵权分析结果输出模块输出此商品的商标为不当使用的结果，否则，输出不侵权的结果。
7.根据权利要求6所述的一种面向电商数据的商标侵权分析系统，其特征在于，在对商标进行标注时，除了需要对商标本身进行标注，还需要对商标的分类进行标注；所述商标检测模型在检测过程中，先定位检测图片中的商标标识、商标文字和其他文字的位置，再对商标进行分类；而商品检测模型通过提取检测图片中的商品特征信息，达到商品检测的目的。
8.根据权利要求7所述的一种面向电商数据的商标侵权分析系统，其特征在于，在所述数据库构建模块中，所述品牌商信息包括品牌商公司信息、商标文字、商标图片、对应关键词列表、商品信息列表；通过收集品牌商信息，构建信息数据库。
9.根据权利要求8所述的一种面向电商数据的商标侵权分析系统，其特征在于，在所述特征提取模块中，提取品牌商每种商品的标准商品特征信息的具体操作为：采用商品检测模型对信息数据库中商品信息列表中的图片进行商品特征信息提取，从而获取到品牌商每种商品的标准商品特征信息；在所述商标分类确定模块中，确定应用商标检测模型中哪几种商标分类的具体操作为：通过商标检测模型对信息数据库中的商标图片进行分析，从而确定应用商标检测模型中哪几种商标分类。
10.根据权利要求9所述的一种面向电商数据的商标侵权分析系统，其特征在于，在所述商标分类检测模块中，当判断到商品的商标为不当使用时，将同步生成商标不正当使用的具体分类类型，由所述侵权分析结果输出模块输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210153495.6A CN114529784B (zh) | 2022-02-18 | 2022-02-18 | 一种面向电商数据的商标侵权分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210153495.6A CN114529784B (zh) | 2022-02-18 | 2022-02-18 | 一种面向电商数据的商标侵权分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114529784A CN114529784A (zh) | 2022-05-24 |
| CN114529784B true CN114529784B (zh) | 2022-11-18 |
Family
ID=81624457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210153495.6A Active CN114529784B (zh) | 2022-02-18 | 2022-02-18 | 一种面向电商数据的商标侵权分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114529784B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117809060A (zh) * | 2023-12-29 | 2024-04-02 | 中国计量大学 | 一种商标侵权检测方法和系统 |
| CN117974263B (zh) * | 2024-01-29 | 2024-10-18 | 杭州碧橙数字技术股份有限公司 | 一种促销图片自动化生成与更新管理方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376741A (zh) * | 2018-09-10 | 2019-02-22 | 平安科技（深圳）有限公司 | 商标侵权的识别方法、装置、计算机设备和存储介质 |
| CN112163140A (zh) * | 2020-10-27 | 2021-01-01 | 北京梦知网科技有限公司 | 一种检测商标侵权的方法、装置及系统 |
| CN112507160A (zh) * | 2020-12-03 | 2021-03-16 | 平安科技（深圳）有限公司 | 商标侵权的自动化判定方法、装置、电子设备和存储介质 |
| CN113569933A (zh) * | 2021-07-19 | 2021-10-29 | 广州华多网络科技有限公司 | 商标图样匹配方法及其相应的装置、设备、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 |
| WO2022016102A1 (en) * | 2020-07-16 | 2022-01-20 | Strong Force TX Portfolio 2018, LLC | Systems and methods for controlling rights related to digital knowledge |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111241330B (zh) * | 2020-01-13 | 2022-11-18 | 苏宁云计算有限公司 | 一种商品图片的审核方法、装置 |
-
2022
- 2022-02-18 CN CN202210153495.6A patent/CN114529784B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376741A (zh) * | 2018-09-10 | 2019-02-22 | 平安科技（深圳）有限公司 | 商标侵权的识别方法、装置、计算机设备和存储介质 |
| WO2022016102A1 (en) * | 2020-07-16 | 2022-01-20 | Strong Force TX Portfolio 2018, LLC | Systems and methods for controlling rights related to digital knowledge |
| CN112163140A (zh) * | 2020-10-27 | 2021-01-01 | 北京梦知网科技有限公司 | 一种检测商标侵权的方法、装置及系统 |
| CN112507160A (zh) * | 2020-12-03 | 2021-03-16 | 平安科技（深圳）有限公司 | 商标侵权的自动化判定方法、装置、电子设备和存储介质 |
| CN113569933A (zh) * | 2021-07-19 | 2021-10-29 | 广州华多网络科技有限公司 | 商标图样匹配方法及其相应的装置、设备、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 |
Non-Patent Citations (3)
| Title |
|---|
| LogoDet-3K: A Large-scale Image Dataset for Logo Detection;Jing Wang等;《ACM Transactions on Multimedia Computing, Communications, and Applications》;20220131;第18卷(第1期);1-19 * |
| Semantic Retrieval of Trademarks Based on Conceptual Similarity;Fatahiyah Mohd Anuar等;《IEEE Transactions on Systems, Man, and Cybernetics: Systems》;20150501;第46卷(第2期);220-233 * |
| 基于改进YOLOv3的商标实时检测方法;冷洋;《中国优秀硕士学位论文全文数据库 (社会科学Ⅰ辑)》;20210215(第02期);G117-475 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114529784A (zh) | 2022-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
| CN114529784B (zh) | 一种面向电商数据的商标侵权分析方法及系统 | |
| CN113963147B (zh) | 一种基于语义分割的关键信息提取方法及系统 | |
| CN109033476B (zh) | 一种基于事件线索网络的智能时空数据事件分析方法 | |
| CN111931859A (zh) | 一种多标签图像识别方法和装置 | |
| CN111415336A (zh) | 一种图像篡改识别方法、装置、服务器及存储介质 | |
| CN112925905A (zh) | 提取视频字幕的方法、装置、电子设备和存储介质 | |
| CN116168117A (zh) | 一种面向车险反欺诈的图像生成方法、系统、装置和介质 | |
| CN111126112B (zh) | 候选区域确定方法和装置 | |
| CN112949456B (zh) | 视频特征提取模型训练、视频特征提取方法和装置 | |
| Sanchez et al. | AudiCom: a video analysis system for auditing commercial broadcasts | |
| CN116823043A (zh) | 一种基于数据画像的供应链数据质量量化分析方法及系统 | |
| CN116383710A (zh) | 标签确定方法、装置、电子设备及存储介质 | |
| CN114897801A (zh) | Aoi缺陷检测方法、装置和设备及计算机介质 | |
| Gomes et al. | Automatic detection of TV commercial blocks: A new approach based on digital on-screen graphics classification | |
| CN114254138A (zh) | 多媒体资源分类方法、装置、电子设备和存储介质 | |
| CN114298236A (zh) | 非结构化内容相似度确定方法、装置和电子设备 | |
| Rao et al. | Differentiating digital image forensics and tampering localization by a novel hybrid approach | |
| CN111125345A (zh) | 数据应用方法和装置 | |
| CN112788331B (zh) | 一种视频重压缩检测方法、终端设备及存储介质 | |
| CN111582917B (zh) | 一种广告用户地域分析方法及装置 | |
| CN115761598B (zh) | 一种基于云端业务平台的大数据分析方法及系统 | |
| KR102555733B1 (ko) | 머신러닝 성능 향상을 위한 객체 관리 서버 및 그 제어방법 | |
| CN113095342B (zh) | 基于误判样本图片的审核模型优化方法、装置及服务器 | |
| CN114189708A (zh) | 一种视频内容识别方法和相关装置 |
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 | ||
| CB02 | Change of applicant information |
Address after: 519031 room 1016, No. 3000, Huandao East Road, Hengqin New District, Zhuhai City, Guangdong Province Applicant after: Guangdong Shuyuan Zhihui Technology Co.,Ltd. Address before: 510520 unit 151, first floor, No. 136, Gaopu Road, Tianhe District, Guangzhou, Guangdong Province (office only) Applicant before: Guangdong Shuyuan Zhihui Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |