CN115100479A - 基于图像识别的商标自动分类处理方法及系统 - Google Patents

基于图像识别的商标自动分类处理方法及系统 Download PDF

Info

Publication number
CN115100479A
CN115100479A CN202210880110.6A CN202210880110A CN115100479A CN 115100479 A CN115100479 A CN 115100479A CN 202210880110 A CN202210880110 A CN 202210880110A CN 115100479 A CN115100479 A CN 115100479A
Authority
CN
China
Prior art keywords
image data
trademark
trademark image
module
classification processing
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
Application number
CN202210880110.6A
Other languages
English (en)
Other versions
CN115100479B (zh
Inventor
杜媛媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Anpai Information Technology Co ltd
Original Assignee
Shenzhen Anpai Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Anpai Information Technology Co ltd filed Critical Shenzhen Anpai Information Technology Co ltd
Priority to CN202210880110.6A priority Critical patent/CN115100479B/zh
Publication of CN115100479A publication Critical patent/CN115100479A/zh
Application granted granted Critical
Publication of CN115100479B publication Critical patent/CN115100479B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • G06F16/162—Delete operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G06F16/1748—De-duplication implemented within the file system, e.g. based on file segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及图像数据处理技术领域，具体涉及基于图像识别的商标自动分类处理方法及系统，包括控制终端，是系统的主控端，用于发出执行命令；储存云平台，用于储存商标图像数据；识别模块，用于识别接收单元当前接收的商标图像数据特征；队列模块，用于排序系统接收商标图像数据生成核验队列；检验模块，用于转载商标图像数据至校验数据库进行检验，判定商标图像数据是否为可用；本发明在对商标图像数据处理时，能够根据商标图像数据的特征进行分析，从而以商标图像数据的特征构建商标图像数据储存的目录供商标图像数据储存所使用，并采用对商标图像数据配置编码的方式使得储存商标图像数据具有唯一性及可检索功能。

Description

基于图像识别的商标自动分类处理方法及系统
技术领域
本发明涉及图像数据处理技术领域，具体涉及基于图像识别的商标自动分类处理方法及系统。
背景技术
商标是用以识别和区分商品或者服务来源的标志。任何能够将自然人、法人或者其他组织的商品与他人的商品区别开的标志，包括文字、图形、字母、数字、三维标志、颜色组合和声音等，以及上述要素的组合，均可以作为商标申请注册。
随着中经济的发展，中小型企业的数量也随之增加，相应的企业商标同步的跟随企业注册而申请，由于商标注册申请的数量极为庞大，已经无法通过人工审核的方式进行处理，现今人们采用图像识别技术进行注册商标的分类、核验，但并没有一种具有针对性的商标处理方法以及系统来供商标的注册过程中的分类、核验所使用。
发明内容
解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了基于图像识别的商标自动分类处理方法及系统，解决了上述背景技术中提出的技术问题。
技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
第一方面，基于图像识别的商标自动分类处理系统，包括：
控制终端，是系统的主控端，用于发出执行命令；
储存云平台，用于储存商标图像数据；
识别模块，用于识别接收单元当前接收的商标图像数据特征；
队列模块，用于排序系统接收商标图像数据生成核验队列；
检验模块，用于转载商标图像数据至校验数据库进行检验，判定商标图像数据是否为可用；
反馈模块，用于接收检验模块运行结果，同步上载运行结果内容发送至控制终端。
更进一步地，所述储存云平台中部署有子模块，包括：
接收单元，用于接收识别模块处理后的商标图像数据；
构建单元，用于构建上商标储存目录；
标记单元，用于对接收单元接收的商标图像数据进行标记。
更进一步地，所述用户端向系统输入商标图像数据被接收单元接收，由识别模块识别当前接收单元接收的商标图像数据特征后，将商标图像数据发送至构建单元，构建单元使用接收的商标图像数据特征为参考逻辑构建商标储存目录；
其中，所述识别模块在识别当前接收商标图像数据特征后同步触发比对单元运行，比对单元运行，比对构建单元中目录内容与当前识别出的商标图像数据特征是否存在逻辑关联；
比对结果为是，将当前商标图像数据转载至标记单元，比对结果为否，以当前商标图像数据为构建单元商标储存目录筛查参考逻辑内容使所用。
更进一步地，所述标记单元标记商标图像数据参考商标图像数据发送IP地址、发送时间及商标图像数据格式形成标记编码进行标记。
更进一步地，所述队列模块运行排序队列目标为：构建单元构建商标图像数据目录下，于储存云平台中储存的商标图像数据。
更进一步地，所述校验数据库用于储存检验模块运行检验当前商标图像数据比对的特征性图像数据内容；
其中，所述校验数据库由以下子模块组成，所述校验数据库中部署的子模块储存内容合集为特征性图像数据内容；
敏感图像数据库，用于储存商标图像数据敏感数据图像；
查重图像数据库，用于储存经系统检验模块检验通过的商标图像数据。
更进一步地，所述敏感图像数据库中储存的敏感数据图像包括图像数据及文字数据。
更进一步地，所述控制终端通过无线网络连接有储存云平台，所述储存云平台通过无线网络连接接收单元，所述接收单元通过介质电性与构建单元、标记单元及比对单元相连接，所述接收单元通过介质电性与识别模块、队列模块、检验模块及反馈模块相连接，所述检验模块中介质电性连接有校验数据库，所述校验数据库通过介质电性连接敏感图像数据库及查重图像数据库，所述反馈模块通过介质电性与控制终端相连接。
第二方面，基于图像识别的商标自动分类处理方法，包括以下步骤：
Step1：持续接收商标图像数据，设置商标图像数据运行处理周期上限，等待商标图像数据接收到达上限值；
Step2：采集商标图像数据特征，参考商标图像数据特征生成商标图像数据区别储存逻辑；
Step3：参考商标图像数据特征设置商标图像数据唯一标记编码，根据商标图像数据储存逻辑建立商标数据图像储存目录，将商标图像数据在配置标记编码后储存至建立的对应的储存目录下：
Step4：对目录下的商标图像数据进行合规性筛查及商标图像数据查重，将经筛查及查重的商标图像数据中存在违规及重复的商标图像数据进行删除，实时接收商标图像数据至商标图像数据运行处理周期上限，再次执行合规性筛查及商标图像数据查重；
Step5：接收商标图像数据至商标图像数据运行处理周期到达上限，商标图像数据储存目录下储存的商标图像数据中不存在新接收商标图像数据，向用户端输出商标图像数据储存目录下所有商标图像数据；
Step6：用户端接收商标图像数据，根据商标图像数据的编码进行溯源，对溯源IP反馈商标图像数据识别处理结果。
更进一步地，所述Step4循环运行，Step5满足接收商标图像数据至商标图像数据运行处理周期上限为触发命令控制Step4结束执行任务跳转Step6。
有益效果
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
1、本发明提供一种基于图像识别的商标自动分类处理系统供商标图像数据分类处理所使用，通过该系统在对商标图像数据处理时，能够根据商标图像数据的特征进行分析，从而以商标图像数据的特征构建商标图像数据储存的目录供商标图像数据储存所使用，并采用对商标图像数据配置编码的方式使得储存商标图像数据具有唯一性及可检索功能。
2、本发明提供一种基于图像识别的商标自动分类处理方法供商标图像数据分类处理所使用，该方法在使用过程中，通过对商标图像数据接收上限进行设置的方式来限制每次商标图像数据的处理内容，进而通过商标图像数据接收及删除的逻辑辅助，使得商标图像数据接收到达上限时，接收的商标图像数据均为合格的商标图像数据，而后进行统一输出，一定程度的提升了商标分类处理再到输出整个过程的效率。
3、本发明通过系统及方法相互配合的使用，能够保证商标图像数据经处理后得到合理的分类及核验，不仅保证了商标图像数据的合规及可用性，也使得商标图像数据分类处理的便捷性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为基于图像识别的商标自动分类处理系统的结构示意图；
图2为基于图像识别的商标自动分类处理方法的流程示意图；
图中的标号分别代表：1、控制终端；2、储存云平台；21、接收单元；22、构建单元；23、标记单元；24、比对单元；3、识别模块；4、队列模块；5、检验模块；51、校验数据库；511、敏感图像数据库；512、查重图像数据库；6、反馈模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合实施例对本发明作进一步的描述。
实施例1
本实施例的基于图像识别的商标自动分类处理系统，如图1所示，包括：
控制终端1，是系统的主控端，用于发出执行命令；
储存云平台2，用于储存商标图像数据；
识别模块3，用于识别接收单元21当前接收的商标图像数据特征；
队列模块4，用于排序系统接收商标图像数据生成核验队列；
检验模块5，用于转载商标图像数据至校验数据库51进行检验，判定商标图像数据是否为可用；
反馈模块6，用于接收检验模块5运行结果，同步上载运行结果内容发送至控制终端1。
在本实施例中，控制终端1控制识别模块3识别储存云平台2中接收单元21当前接收的商标图像数据特征，通过队列模块4排序系统接收商标图像数据生成核验队列后由检验模块5转载商标图像数据至校验数据库51进行检验，判定商标图像数据是否为可用，当检验模块5运行结束，判定商标图像数据是否可用后，触发反馈模块6运行，接收检验模块5运行结果，同步上载运行结果内容发送至控制终端1，供控制终端1用户接收。
实施例2
在具体实施层面，在实施例1的基础上，本实施例参照图1所示对实施例1中图像识别的商标自动分类处理系统做进一步具体说明：
如图1所示，储存云平台2中部署有子模块，包括：
接收单元21，用于接收识别模块3处理后的商标图像数据；
构建单元22，用于构建上商标储存目录；
标记单元23，用于对接收单元21接收的商标图像数据进行标记。
如图1所示，用户端向系统输入商标图像数据被接收单元21接收，由识别模块3识别当前接收单元21接收的商标图像数据特征后，将商标图像数据发送至构建单元22，构建单元22使用接收的商标图像数据特征为参考逻辑构建商标储存目录；
其中，识别模块3在识别当前接收商标图像数据特征后同步触发比对单元24运行，比对单元24运行，比对构建单元22中目录内容与当前识别出的商标图像数据特征是否存在逻辑关联；
比对结果为是，将当前商标图像数据转载至标记单元23，比对结果为否，以当前商标图像数据为构建单元22商标储存目录筛查参考逻辑内容使所用。
通过上述模块的执行，经系统分类处理后的商标图像数据得到了唯一标记编码的标记，以便于后续通过唯一编码标记找寻其对应的商标图像数据。
如图1所示，标记单元23标记商标图像数据参考商标图像数据发送IP地址、发送时间及商标图像数据格式形成标记编码进行标记。
如图1所示，队列模块4运行排序队列目标为：构建单元22构建商标图像数据目录下，于储存云平台2中储存的商标图像数据。
如图1所示，校验数据库51用于储存检验模块5运行检验当前商标图像数据比对的特征性图像数据内容；
其中，校验数据库51由以下子模块组成，校验数据库51中部署的子模块储存内容合集为特征性图像数据内容；
敏感图像数据库511，用于储存商标图像数据敏感数据图像；
查重图像数据库512，用于储存经系统的检验模块5检验通过的商标图像数据。
通过校验数据库51中子模块敏感图像数据库511及查重图像数据库512的设置，可以使得商标图像数据在系统中得到了充足有效的核验，确保经该系统处理的商标图像数据均是唯一的。
如图1所示，敏感图像数据库511中储存的敏感数据图像包括图像数据及文字数据。
如图1所示，控制终端1通过无线网络连接有储存云平台2，储存云平台2通过无线网络连接接收单元21，接收单元21通过介质电性与构建单元22、标记单元23及比对单元24相连接，接收单元21通过介质电性与识别模块3、队列模块4、检验模块5及反馈模块6相连接，检验模块5中介质电性连接有校验数据库51，校验数据库51通过介质电性连接敏感图像数据库511及查重图像数据库512，反馈模块6通过介质电性与控制终端1相连接。
实施例3
在具体实施层面，在实施例1的基础上，本实施例参照图2所示对实施例1中图像识别的商标自动分类处理系统做进一步具体说明：
基于图像识别的商标自动分类处理方法，包括以下步骤：
Step1：持续接收商标图像数据，设置商标图像数据运行处理周期上限，等待商标图像数据接收到达上限值；
Step2：采集商标图像数据特征，参考商标图像数据特征生成商标图像数据区别储存逻辑；
Step3：参考商标图像数据特征设置商标图像数据唯一标记编码，根据商标图像数据储存逻辑建立商标数据图像储存目录，将商标图像数据在配置标记编码后储存至建立的对应的储存目录下：
Step4：对目录下的商标图像数据进行合规性筛查及商标图像数据查重，将经筛查及查重的商标图像数据中存在违规及重复的商标图像数据进行删除，实时接收商标图像数据至商标图像数据运行处理周期上限，再次执行合规性筛查及商标图像数据查重；
Step5：接收商标图像数据至商标图像数据运行处理周期到达上限，商标图像数据储存目录下储存的商标图像数据中不存在新接收商标图像数据，向用户端输出商标图像数据储存目录下所有商标图像数据；
Step6：用户端接收商标图像数据，根据商标图像数据的编码进行溯源，对溯源IP反馈商标图像数据识别处理结果。
如图2所示，Step4循环运行，Step5满足接收商标图像数据至商标图像数据运行处理周期上限为触发命令控制Step4结束执行任务跳转Step6。
通过该设置，使得商标图像数据通过该方法处理后分类并输出时，每次输出商标图像数据的项目数量均是相等的，从而以此来减少商标图像数据的输出次数，控制商标图像数据每次的输出量，商标图像数据的输出过程更加高效、稳定。
综上而言，在上述实施例中，系统能够根据商标图像数据的特征进行分析，从而以商标图像数据的特征构建商标图像数据储存的目录供商标图像数据储存所使用，并采用对商标图像数据配置编码的方式使得储存商标图像数据具有唯一性及可检索功能；同时其方法在使用过程中，通过对商标图像数据接收上限进行设置的方式来限制每次商标图像数据的处理内容，进而通过商标图像数据接收及删除的逻辑辅助，使得商标图像数据接收到达上限时，接收的商标图像数据均为合格的商标图像数据，而后进行统一输出，一定程度的提升了商标分类处理再到输出整个过程的效率；并且通过系统及方法相互配合的使用，能够保证商标图像数据经处理后得到合理的分类及核验，不仅保证了商标图像数据的合规及可用性，也使得商标图像数据分类处理的便捷性。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.基于图像识别的商标自动分类处理系统，其特征在于，包括：
控制终端（1），是系统的主控端，用于发出执行命令；
储存云平台（2），用于储存商标图像数据；
识别模块（3），用于识别接收单元（21）当前接收的商标图像数据特征；
队列模块（4），用于排序系统接收商标图像数据生成核验队列；
检验模块（5），用于转载商标图像数据至校验数据库（51）进行检验，判定商标图像数据是否为可用；
反馈模块（6），用于接收检验模块（5）运行结果，同步上载运行结果内容发送至控制终端（1）。
2.根据权利要求1所述的基于图像识别的商标自动分类处理系统，其特征在于，所述储存云平台（2）中部署有子模块，包括：
接收单元（21），用于接收识别模块（3）处理后的商标图像数据；
构建单元（22），用于构建上商标储存目录；
标记单元（23），用于对接收单元（21）接收的商标图像数据进行标记。
3.根据权利要求2所述的基于图像识别的商标自动分类处理系统，其特征在于，用户端向系统输入商标图像数据被接收单元（21）接收，由识别模块（3）识别当前接收单元（21）接收的商标图像数据特征后，将商标图像数据发送至构建单元（22），构建单元（22）使用接收的商标图像数据特征为参考逻辑构建商标储存目录；
其中，所述识别模块（3）在识别当前接收商标图像数据特征后同步触发比对单元（24）运行，比对单元（24）运行，比对构建单元（22）中目录内容与当前识别出的商标图像数据特征是否存在逻辑关联；
比对结果为是，将当前商标图像数据转载至标记单元（23），比对结果为否，以当前商标图像数据为构建单元（22）商标储存目录筛查参考逻辑内容使所用。
4.根据权利要求2所述的基于图像识别的商标自动分类处理系统，其特征在于，所述标记单元（23）标记商标图像数据参考商标图像数据发送IP地址、发送时间及商标图像数据格式形成标记编码进行标记。
5.根据权利要求1所述的基于图像识别的商标自动分类处理系统，其特征在于，所述队列模块（4）运行排序队列目标为：构建单元（22）构建商标图像数据目录下，于储存云平台（2）中储存的商标图像数据。
6.根据权利要求1所述的基于图像识别的商标自动分类处理系统，其特征在于，所述校验数据库（51）用于储存检验模块（5）运行检验当前商标图像数据比对的特征性图像数据内容；
其中，所述校验数据库（51）由以下子模块组成，所述校验数据库（51）中部署的子模块储存内容合集为特征性图像数据内容；
敏感图像数据库（511），用于储存商标图像数据敏感数据图像；
查重图像数据库（512），用于储存经检验模块（5）检验通过的商标图像数据。
7.根据权利要求6所述的基于图像识别的商标自动分类处理系统，其特征在于，所述敏感图像数据库（511）中储存的敏感数据图像包括图像数据及文字数据。
8.根据权利要求1所述的基于图像识别的商标自动分类处理系统，其特征在于，所述控制终端（1）通过无线网络连接有储存云平台（2），所述储存云平台（2）通过无线网络连接接收单元（21），所述接收单元（21）通过介质电性与构建单元（22）、标记单元（23）及比对单元（24）相连接，所述接收单元（21）通过介质电性与识别模块（3）、队列模块（4）、检验模块（5）及反馈模块（6）相连接，所述检验模块（5）中介质电性连接有校验数据库（51），所述校验数据库（51）通过介质电性连接敏感图像数据库（511）及查重图像数据库（512），所述反馈模块（6）通过介质电性与控制终端（1）相连接。
9.基于图像识别的商标自动分类处理方法，所述方法是对权利要求1中所述的基于图像识别的商标自动分类处理系统的实施方法，其特征在于，包括以下步骤：
Step1：持续接收商标图像数据，设置商标图像数据运行处理周期上限，等待商标图像数据接收到达上限值；
Step2：采集商标图像数据特征，参考商标图像数据特征生成商标图像数据区别储存逻辑；
Step3：参考商标图像数据特征设置商标图像数据唯一标记编码，根据商标图像数据储存逻辑建立商标数据图像储存目录，将商标图像数据在配置标记编码后储存至建立的对应的储存目录下：
Step4：对目录下的商标图像数据进行合规性筛查及商标图像数据查重，将经筛查及查重的商标图像数据中存在违规及重复的商标图像数据进行删除，实时接收商标图像数据至商标图像数据运行处理周期上限，再次执行合规性筛查及商标图像数据查重；
Step5：接收商标图像数据至商标图像数据运行处理周期到达上限，商标图像数据储存目录下储存的商标图像数据中不存在新接收商标图像数据，向用户端输出商标图像数据储存目录下所有商标图像数据；
Step6：用户端接收商标图像数据，根据商标图像数据的编码进行溯源，对溯源IP反馈商标图像数据识别处理结果。
10.根据权利要求9所述的基于图像识别的商标自动分类处理方法，其特征在于，所述Step4循环运行，Step5满足接收商标图像数据至商标图像数据运行处理周期上限为触发命令控制Step4结束执行任务跳转Step6。
CN202210880110.6A 2022-07-25 2022-07-25 基于图像识别的商标自动分类处理方法及系统 Active CN115100479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210880110.6A CN115100479B (zh) 2022-07-25 2022-07-25 基于图像识别的商标自动分类处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210880110.6A CN115100479B (zh) 2022-07-25 2022-07-25 基于图像识别的商标自动分类处理方法及系统

Publications (2)

Publication Number Publication Date
CN115100479A true CN115100479A (zh) 2022-09-23
CN115100479B CN115100479B (zh) 2022-12-20

Family

ID=83298035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210880110.6A Active CN115100479B (zh) 2022-07-25 2022-07-25 基于图像识别的商标自动分类处理方法及系统

Country Status (1)

Country Link
CN (1) CN115100479B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107748772A (zh) * 2017-09-30 2018-03-02 深圳市谷熊网络科技有限公司 一种商标识别方法及装置
CN112417195A (zh) * 2020-11-30 2021-02-26 徐庆 基于移动端的商标查询系统、方法及存储介质
CN112860929A (zh) * 2021-02-09 2021-05-28 北京百度网讯科技有限公司 一种图片搜索方法、装置、电子设备及存储介质
US20210319058A1 (en) * 2020-04-10 2021-10-14 Lindsay K Germain Location-based alarm notification application
CN113553980A (zh) * 2021-07-30 2021-10-26 徐庆 一种图片的商标图形要素编码生成方法、系统及装置
CN114172744A (zh) * 2022-01-12 2022-03-11 深圳市安田数据服务有限公司 一种用于多个服务器间的数据传输系统及数据传输方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107748772A (zh) * 2017-09-30 2018-03-02 深圳市谷熊网络科技有限公司 一种商标识别方法及装置
US20210319058A1 (en) * 2020-04-10 2021-10-14 Lindsay K Germain Location-based alarm notification application
CN112417195A (zh) * 2020-11-30 2021-02-26 徐庆 基于移动端的商标查询系统、方法及存储介质
CN112860929A (zh) * 2021-02-09 2021-05-28 北京百度网讯科技有限公司 一种图片搜索方法、装置、电子设备及存储介质
CN113553980A (zh) * 2021-07-30 2021-10-26 徐庆 一种图片的商标图形要素编码生成方法、系统及装置
CN114172744A (zh) * 2022-01-12 2022-03-11 深圳市安田数据服务有限公司 一种用于多个服务器间的数据传输系统及数据传输方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
韩旭: "基于多特征融合的商标图像检索技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
黄崑等: "商标图像检索技术述评", 《现代图书情报技术》 *

Also Published As

Publication number Publication date
CN115100479B (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
US10482120B2 (en) Waste identification systems and methods
KR101869895B1 (ko) 딥 러닝 기반의 오브젝트 인식 서버, 오브젝트 인식 시스템 및 오브젝트 인식 방법
CN108366045B (zh) 一种风控评分卡的设置方法和装置
US11900312B2 (en) Package analysis devices and systems
CN113392646A (zh) 一种数据中台系统、构建方法及装置
US20210288814A1 (en) A block chain-based system for multi-party, multistage process verification
CN107291675B (zh) 一种行业信息分类编码管理系统和方法
CN105095479A (zh) 一种移动终端及其实现照片分类管理的方法
CN104951484A (zh) 搜索结果的处理方法和装置
CN110610169A (zh) 图片标注方法和装置、存储介质及电子装置
AU2022224862A1 (en) Waste identification systems and methods
CN114205141B (zh) 网络摄像机算法部署准入方法、系统、介质及电子终端
CN114237754B (zh) 一种数据加载方法、装置、电子设备以及存储介质
CN115100479B (zh) 基于图像识别的商标自动分类处理方法及系统
CN110648412A (zh) 智能巡检方法、移动终端及存储介质
CN108876314B (zh) 一种职业生涯专业能力可追溯方法及平台
CN109389014A (zh) 套用车牌车辆的检测方法、装置及电子设备
CN111444868B (zh) 基于智能手机的票据验重系统及方法
CN115643149A (zh) 一种设备管理方法及系统
CN106557856B (zh) 物品检测查验系统及方法
CN113191711A (zh) 快递寄件策略确定方法、装置、设备及存储介质
CN113392250A (zh) 一种基于深度学习的矢量图检索方法及系统
CN113194292A (zh) 智能设备的协调管理方法、装置、设备及存储介质
KR102613341B1 (ko) 딥러닝 기반 훈련데이터 증강을 통해 개선된 화물 인식방법 및 장치
CN114998665B (zh) 一种图像类别识别方法、装置、电子设备及存储介质

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