JP2018528516A - 製品画像がロゴパターンを含むかどうかを判定するためのシステムおよび方法 - Google Patents
製品画像がロゴパターンを含むかどうかを判定するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2018528516A JP2018528516A JP2018503805A JP2018503805A JP2018528516A JP 2018528516 A JP2018528516 A JP 2018528516A JP 2018503805 A JP2018503805 A JP 2018503805A JP 2018503805 A JP2018503805 A JP 2018503805A JP 2018528516 A JP2018528516 A JP 2018528516A
- Authority
- JP
- Japan
- Prior art keywords
- logo
- logo pattern
- local feature
- product image
- patterns
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000001514 detection method Methods 0.000 claims description 43
- 238000012550 audit Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 17
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000012552 review Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001010 compromised effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Abstract
本発明は、製品画像内のロゴパターンの存在を検出するための方法およびデバイスを提供する。方法は、ロゴパターンライブラリから1または複数のロゴパターンを取得し、1または複数のロゴパターンの各々がそれぞれの製品ブランドを識別する段階と、製品画像を取得する段階と、1または複数のロゴパターンの各々に対するマッチング度を算出する段階であって、マッチング度は、各ロゴパターンが製品画像内に存在する度合いを表す、算出する段階と、最大の算出されたマッチング度を有するロゴパターンを、選択されたロゴパターンとして選択する段階と、選択されたロゴパターンのマッチング度が第1の閾値より大きい場合、製品画像が選択されたロゴパターンを含むと判定する段階とを備える。
Description
[関連出願の相互参照] 本願は、2015年9月9日に出願された「Method and Apparatus for Detecting Potential Infringing Product Image(侵害の可能性がある製品画像を検出するための方法および装置)」と題された中国特許出願第201510570605.9号、および2016年9月8日に出願された「System and Method for Determining Whether a Product Image Includes a Logo Pattern(製品画像がロゴパターンを含むかどうかを判定するためのシステムおよび方法)」と題された米国特許出願第15/259,081号に基づく優先権の利益を主張し、両出願は参照により本明細書にそれら全体が組み込まれる。
[本開示の分野] 本開示は、製品画像がロゴパターンを含むかどうかを判定するためのシステムおよび方法に関する。
多くのeコマースプラットフォームが、知的財産の所有者による商標侵害の申し立てのような、プラットフォームに存在する製品に起因した知的財産侵害に関する問題を抱える。国際的なeコマースプラットフォームという観点から、これらの侵害問題は、(例えば、侵害判決に関する賠償を求められる等)様々な形で、プラットフォームに著しく悪影響を与えており、このようなプラットフォームを重大な法的リスクにさらしている。したがって、これらのプラットフォームの侵害製品および侵害製品画像の数を効果的に識別し、減少させることが、早急に解決しなければならない問題となっている。さらに、この問題を解決することはまた、eコマースプラットフォームの国際的な画像を増やし、ユーザにとって好ましいショッピング環境を生み出す。
eコマースプラットフォームにより使用される現在の方法は、既知の検出方法を使用して侵害の可能性がある画像を識別し、次に、これらの画像を手動監査システムに送る。手動監査システムにおいて、監査スタッフは、画像が実際に侵害するかどうかを判定し、検出結果の精度を決定する最終審査を行う。これらの既存のプラットフォームは、侵害が疑われる製品を検出するべく、以下の方法の一方、または両方を通常採用する。
第1の方法では、ルールに基づいた検出方法が使用され、これは、製品データ(例えば、名称または属性)が、事前構成済みのテキスト上のルールに基づいたキーワードを含むかどうかを検出する。製品データがキーワードにマッチングする場合、方法は、製品が既知のブランドを侵害する可能性があると判定する。
第2の方法は、製品画像と事前収集された製品画像の類似性をマッチングする。この方法において、製品画像は、画像間の類似性に基づいて複数の事前収集された製品画像とマッチングされる。画像間の類似性をマッチングすることにより、第2の方法は、類似性の度合いが予め設定された閾値に合う、またはそれを超える場合、製品画像が、事前収集された製品画像と類似しているかどうかを判定し得る。
実際、第1の方法の網羅的なルールは、事前構成できず、したがって、検出は包括的でない。加えて、販売者は、第1の方法による検出を避けるために、通常製品の名称または属性情報を変更する。したがって、乏しい検出結果につながり、再現率が限定される。同様に、第2の方法は、十分にロバストではない。例えば、同じ製品が、異なる角度から撮影された画像において、大いに異なる可能性があり、画像と事前取集された画像との類似性のマッチングの観点で、矛盾につながり得る。したがって、販売者は、想起されることを避けるべく異なる撮影角度を使用し得る。さらに、類似性マッチングの制限された精度により、多数の侵害が疑われる製品画像が検出され得、それは過度の画像想起という結果になり、手動監査プロセスの間、監査スタッフにかなりのプレッシャーをかける。
上記で特定される欠陥を受け、本開示は、製品画像が、検出のロバスト性と精度の両方を向上させ、画像想起の量を制御するロゴパターンを含むかどうかを判定するための検出システムおよび方法を説明する。
一態様において、本開示は、製品画像がロゴパターンを含むかどうかを判定するための方法を説明する。一実施形態において、方法は、ロゴパターンライブラリから1または複数のロゴパターンを取得し、1または複数のロゴパターンの各々がそれぞれの製品ブランドを識別する段階と、製品画像を取得する段階と、1または複数のロゴパターンの各々に対するマッチング度を算出する段階であって、マッチング度は、各ロゴパターンが製品画像内に存在する度合いを表す、算出する段階と、最大の算出されたマッチング度を有するロゴパターンを、選択されたロゴパターンとして選択する段階と、選択されたロゴパターンのマッチング度が第1の閾値より大きい場合、製品画像が選択されたロゴパターンを含むと判定する段階とを含む。
別の態様において、本開示は、製品画像がロゴパターンを含むかどうかを判定するためのデバイスを説明する。一実施形態において、デバイスは、製品画像、およびロゴパターンライブラリから1または複数のロゴパターンを取得するための取得ユニットであって、1または複数のロゴパターンの各々がそれぞれの製品ブランドを識別する、取得ユニットと、1または複数のロゴパターンの各々に対するマッチング度を算出するための第1の算出ユニットであって、マッチング度は、各ロゴパターンが製品画像内に存在する度合いを表す、第1の算出ユニットと、最大の算出されたマッチング度を有するロゴパターンを、選択されたロゴパターンとして選択するための選択ユニットと、選択されたロゴパターンのマッチング度が第1の閾値より大きい場合、製品画像が選択されたロゴパターンを含むと判定するための検出ユニットとを備える。
別の態様において、本開示は、コンピュータ実行可能命令で実体的にエンコードされる非一時的コンピュータ可読記憶媒体を説明し、それは、プロセッサにより実行される場合に、製品画像がロゴパターンを含むかどうかを判定するための方法を行う。一実施形態において、方法は、ロゴパターンライブラリから1または複数のロゴパターンを取得し、1または複数のロゴパターンの各々がそれぞれの製品ブランドを識別する段階と、製品画像を取得する段階と、1または複数のロゴパターンの各々に対するマッチング度を算出する段階であって、マッチング度は、各ロゴパターンが製品画像内に存在する度合いを表す、算出する段階と、最大の算出されたマッチング度を有するロゴパターンを、選択されたロゴパターンとして選択する段階と、選択されたロゴパターンのマッチング度が第1の閾値より大きい場合、製品画像が選択されたロゴパターンを含むと判定する段階とを備える。
関連技術とは異なり、本開示の実施形態は、テキストベースのルール、または製品画像全体の分析に基づいていない。むしろ、開示された実施形態は、製品画像がロゴパターンを含むかどうかを判定する新しい検出デバイスおよび方法を利用する。ロゴは製品上に示されるブランドマークなので、販売者は通常、購買者を引き付けるべく、製品画像上のロゴをハイライトする。製品画像の撮影角度および照度の変化は通常、ロゴにほとんど影響を与えない。したがって、多くの、ロゴのある製品画像が、ロゴパターンを使用して検出され得る。したがって、ロゴパターンに基づいた製品画像マッチングは、よりロバストであり、より高い好結果の再現率を有する。
ロゴパターンが疑いのある製品画像にマッチングする度合いは、疑いのある製品画像がロゴパターンを含む確率を示す。すなわち、より大きなマッチング度は、製品画像が既知のロゴを含み、したがって、侵害が疑われる製品画像である可能性がより高いことを意味する。本明細書に説明されるロゴパターンの特徴を使用する、検出システムおよび方法の精度は比較的高く、製品画像の、多くの目に見えない想起という結果にはつながらない。したがって、想起量を効果的に制御し、手動審査のコストを減少させる。
本明細書に説明される添付図面は、以下の詳細な説明と共に用いられる場合、本開示のさらなる理解を提供することが意図される。本開示の実施形態およびその説明は、本開示をさらに説明し、明確にする目的であり、本開示の範囲は、いかなる具体的な実施形態の説明または添付図面ではなく、むしろ特許請求の範囲により定義される。本開示は以下の添付図面を含む。
これより本開示は、本明細書の一部を形成し、ある例示的な実施形態を例として示す添付図面を参照し、以下でより完全に説明される。しかしながら、主題は、様々な異なる形態で具現化されてよく、したがって、カバーされている、または特許請求の範囲に記載の主題は、本明細書に記載されているいかなる例示的な実施形態にも限定されないものとして解釈されることが意図され、例示的な実施形態は、単に例示として提供される。同様に、特許請求の範囲に記載の、またはカバーされている主題のための合理的に広い範囲が意図される。とりわけ、例えば、主題は、方法、デバイス、構成要素、またはシステムとして具現化されてよい。したがって、実施形態は、例えば、ハードウェア、ソフトウェア、ファームウェアまたは(ソフトウェアそれ自体以外の)それらの任意の組み合わせの形態をとってよい。したがって、以下の詳細な説明は、限定的な意味合いに捉えられることが意図されない。
本明細書および特許請求の範囲を通して、用語は、明示的に述べられた意味を越えて、文脈で示唆または暗示された微妙な意味を有してよい。同様に、本明細書で使用される「一実施形態において(in one embodiment)」という語句は、必ずしも同じ実施形態を指すわけではなく、本明細書で使用される「別の実施形態において(in another embodiment)」という語句は、必ずしも異なる実施形態を指すわけではない。例えば、特許請求の範囲に記載の主題が、全体的にまたは部分的に例示的な実施形態の組み合わせを含むことが意図される。
本開示は、方法およびデバイスのブロック図および動作図を参照し、以下で説明される。ブロック図の各ブロックまたは動作図、およびブロック図のブロックまたは動作図の組み合わせは、アナログまたはデジタルハードウェアおよびコンピュータプログラム命令を用いて実装され得ることが理解される。これらのコンピュータプログラム命令は、コンピュータのプロセッサまたは他のプログラマブルデータ処理装置を通じて実行し、ブロック図もしくは1または複数の動作ブロック内に規定されている機能/動作を実装する、命令であるように、本明細書に詳述されるように機能を変更するための汎用コンピュータ、専用コンピュータ、ASIC、または他のプログラマブルデータ処理装置のプロセッサに提供され得る。いくつかの代替的な実装において、複数のブロックに記された機能/動作は、動作図に記される順序外で起こり得る。例えば、連続して示されている2つのブロックは、実際は、実質的に同時に実行され得、または複数のブロックは、関連する機能性/動作によって、時に逆の順序で実行され得ることがある。
これらのコンピュータプログラム命令は、コンピュータのプロセッサまたは他のプログラマブルデータ処理装置を通じて実行し、ブロック図もしくは1または複数の動作ブロック内に規定されている機能/動作を実装する、命令であるように、機能を専用に変更するための汎用コンピュータ、専用コンピュータ、ASIC、または他のプログラマブルデジタルデータ処理装置のプロセッサに提供され得、それにより、本明細書の実施形態により、それらの機能性を変える。
図1は、本開示のいくつかの実施形態に係る、製品画像がロゴパターンを含んでいるかどうかを判定するための方法を示しているフローチャートである。
段階101において、方法は、事前構築されたロゴパターンライブラリからロゴパターンを取得する。一実施形態において、事前構築されたロゴパターンライブラリに記憶されたロゴパターンは、製品ブランドを識別してよい。
本明細書で使用されるロゴは、ブランドもしくは、製品またはサービスの特徴を識別するシンボル、トレードドレス、またはデザインのいずれかを指す。ロゴは概して、記号、グラフ、文字、数字、3次元のマークおよび色の組み合わせ、形、または全てのそのような要素の組み合わせを含む。一実施形態において、事前構築されたロゴパターンライブラリは、ロゴパターンライブラリに複数のロゴパターンを記憶することにより構築され、各ロゴパターンが既知のブランドを識別する。ロゴパターンライブラリを事前構築する場合、ロゴパターンは、侵害製品画像から、法的な製品画像から、または正式に公表されたブランドのロゴパターンからまたは、これらの任意の組み合わせを使用してキャプチャされ得る。これらのロゴパターンは、ロゴパターンライブラリを生成するべくデータベースに記憶されてよく、代替的な記憶技術およびデバイスが使用されてもよい。いくつかの実施形態において、本明細書でさらに検討されるように、ロゴパターンは、カテゴリに基づいてロゴパターンライブラリを提供するべく、1または複数の製品カテゴリにより分類され得る。
ロゴパターンは、事前構築されたロゴパターンライブラリから取得されてよく、(例えば、エルゴード的手段により、製品画像を各ロゴパターンとマッチングし、包括的マッチングを確かなものとする、および信頼性を向上させるために)後続の算出プロセスで使用されてよい。積極的な使用で、ロゴパターンライブラリに記憶されるデータの量は、ライブラリが増えるにつれ、著しく増えてよい。結果的に、ロゴパターンライブラリの全てのロゴパターンが後続の算出に使用される場合、処理時間およびリソース利用も著しく多い。したがって、いくつかの実施形態において、事前構築されたロゴパターンライブラリからロゴパターンを取得することは、1または複数のカテゴリに関連付けられるロゴパターンを取得することを含んでよく、この1または複数のカテゴリは、識別される製品に関連付けられる1または複数のカテゴリに基づく。このようにして、方法は、全てのロゴパターンのサブセット、具体的には、識別されたカテゴリのロゴを選択してよい。
いくつかの実施形態において、製品のカテゴリ化が、通常、eコマースプラットフォーム上で(eコマースプラットフォーム自体により、または、eコマースプラットフォームのユーザを通じてのいずれかにより)実行され、ロゴは、製品ブランドを識別するべく使用されてよい。これらの実施形態において、ロゴ自体は1または複数のカテゴリに属してもよい。例えば、ルイヴィトン(Louis Vuitton(登録商標)(LV))は、主に「かばん」および「スーツケース」のカテゴリの下にカテゴリ化されてよい。したがって、1つの製品は、1つのカテゴリのみに起因してよく、概して製品は他のカテゴリからの製品のロゴを有し得ない。したがって、疑いのある製品画像に対し他のカテゴリのロゴパターンのマッチング度を算出する必要なく、識別される1つの製品に対して、識別される製品のカテゴリのロゴパターンのみが、選択される必要がある。これは、算出量を大いに減少させる。さらに、他のカテゴリからのロゴパターンと識別される製品との間のマッチングは必要とされないという事実により、ミスマッチの確率が減少され得、ロゴマッチングの精度が向上され得る。
段階102において、方法は、疑いのある製品画像が取得されたロゴパターンの各々にマッチングするマッチング度を算出する。いくつかの実施形態において、段階102において算出されるマッチング度は、図2に示されている方法により算出されてよい。
段階102aにおいて、方法は、1または複数のロゴパターンの局所特徴点、および疑いのある製品画像の局所特徴点を抽出する。段階102bにおいて、方法は、1または複数のロゴパターンの各々の局所特徴点との予め設定されたマッチング度を満たす疑いのある製品画像の局所特徴点を識別する。段階102cにおいて、1または複数のロゴパターンの各々に対して、方法は、予め設定されたマッチング条件を満たす局所特徴点の総数の、ロゴパターンの局所特徴点に対する比を算出する。上述の各ロゴパターンに対する算出された比は、疑いのある製品画像に対し所与のロゴパターンのマッチング度を表す。
図2に示されている方法は、局所特徴マッチングを利用し、疑いのある製品画像と1または複数の取得されたロゴパターンとの間の特徴点をマッチングすることにより、マッチング度を算出する。いくつかの実施形態において、スケール不変な特徴変換(scale invariant feature transform(SIFT))、高速化されたロバストな特徴(speeded up robust features(SURF))、アフィンSIFT(ASIFT)特徴点、および勾配方向のヒストグラム(histogram of oriented gradients(HOG)のような、既存の局所特徴マッチングアルゴリズムが、採用されてよい。局所特徴点は、選ばれた局所特徴マッチングアルゴリズムにより抽出される。例えば、SIFTアルゴリズムを利用する場合、SIFT特徴点は、段階102aにおいて抽出される。
図1に戻ると、段階103において、方法は、取得されたロゴパターンの各々に対して算出されたマッチング度に基づいて最大マッチング度を有するロゴパターンを選択する。
最後に、段階104において、方法は、段階103において選択されたロゴパターンのマッチング度が、第1の予め設定された閾値より大きい場合、製品画像がロゴパターンを含むと判定する。
段階102から得られるマッチング度は、疑いのある製品画像が、1または複数のロゴパターンを含む確率を特徴付ける。ロゴパターンは、製品ブランドを識別するべく使用されるので、ブランドの知的財産(例えば、ロゴパターン)を侵害する販売者は、ブランドのロゴパターンを違法に使用し得、または他のブランドのロゴを模倣し得、ユーザを引き付け、かつ、混同させるために、彼ら独自の製品画像を生成する。したがって、ロゴパターンと疑いのある製品画像との間のより大きなマッチング度は、製品画像が侵害が疑われる製品画像として識別されるはずだという、より大きな確率を示す。検出結果の精度を保証するために、段階103において、最大マッチング度を有するロゴパターンが選択され、そしてロゴパターンと疑いのある製品画像との間のマッチング度が第1の予め設定された閾値より大きいかどうかを判定するための基準とみなされる。マッチング度が第1の予め設定された閾値より大きい場合、ロゴパターンは、疑いのある製品画像内に存在するとみなされる。したがって、方法は、疑いのある製品画像が侵害が疑われる製品画像であり得ると信頼性をもって結論付け得る。
本開示で説明される実施形態におけるロゴパターンの使用は、撮影角度および照明による影響が少なく、したがって、悪徳な販売者が妨害する、またはうまく逃れることは難しい。疑いのある製品画像が、侵害が疑われる製品画像であるかどうかを検出するために、ロゴパターンと疑いのある製品画像の間のマッチング度を使用することで、説明される実施形態は、著しく、よりロバストであって、検出を既存の技術よりも著しく、包括的で正確なものにする。付加利益として、想起される画像(recalled imagery)(例えば、ロゴパターン)の量は、効果的に制御され得、手動審査のコストも既存の技術と比較して減少される。
いくつかの実施形態において、侵害が疑われる製品画像は、検出後の最終審査のための手動検出システムにリアルタイムで、または周期的に送られる。審査者は次に、侵害が疑われる製品画像が、実際にロゴパターンを侵害するかどうかを確認し得る。検出結果が正確であるとみなされる場合、その結果は、正確であるとマーク付けされることになるが、不適当であるとみなされる場合、その結果は不適当であるとマーク付けされることになる。
いくつかの実施形態において、eコマースプラットフォームは、毎日、新たに追加される製品画像を検出する。いくつかの実施形態において、実際の需要に基づいて、eコマースプラットフォームは、毎時、毎月、または毎四半期のような、所与の期間において追加された製品画像を検出してよい。前述の実施形態は単一の製品画像の検出を説明しているが、他の実施形態においては、複数の製品画像が、eコマースプラットフォームの処理能力および検出期間に基づいて、並行して、または連続して検出されてよい。
図3は、本開示のいくつかの実施形態に係る、製品画像がロゴパターンを含むかどうかを判定するための方法を示しているフローチャートである。
段階201において、方法は、事前構築されたロゴパターンライブラリからロゴパターンを取得する。
段階202において、方法は、疑いのある製品画像が取得されたロゴパターンの各々にマッチングするマッチング度を算出し、したがって、疑いのある製品画像の取得された各ロゴパターンとのマッチング度を得る。
段階203において、方法は、取得されたロゴパターンの各々に対して算出されたマッチング度に基づいて最大マッチング度を有するロゴパターンを選択する。
上述の段階201から203は同じである、または図1に関して検討された、段階101から103と実質的に類似しており、上記の説明は、それぞれの段階に対して参照され得る。したがって、段階101から103の説明は分かりやすさのために、ここでは省略される。
マッチング度の算出をさらに精緻化するために、以下の段階204から205が、選択されたロゴパターンと疑いのある製品画像との間のマッチング度を算出するべく、使用されてよい。本明細書に説明されるように、段階204および205が、eコマースプラットフォームに利用可能な時間またはリソースに応じてマッチングおよび検出の精度をさらに向上させるべく利用されてよい。
段階204において、方法は、選択されたロゴパターンと疑いのある製品画像との間の任意のミスマッチの局所特徴点を除去し、したがって、有効な局所特徴点のセットを得る。いくつかの実施形態において、段階204は図4に示されている方法を含んでよい。
段階204aにおいて、方法は、ランダムサンプルコンセンサスアルゴリズムを使用して、選択されたロゴパターンと疑いのある製品画像との間のアフィン変換関係を推定する。
段階204bにおいて、方法は、選択されたロゴパターンと疑いのある製品画像との間で共有された局所特徴点から、アフィン変換関係に準拠していない局所特徴点を除去する。方法は次に、局所特徴点の残りのセットを有効な局所特徴点のセットとみなす。
アフィン変換は2次元座標の間の線形変換なので、2次元パターンの「平坦」(変換後直線はなお直線であり、円弧はなお円弧であることを意味している)および「並行」(2次元パターンの間の相対的な位置は不変のままで、並行線は並行のままであり、直線上の点の位置および順序は不変のままであることを意味している)を維持する。アフィン変換は、移動、スケーリング、オーバーターニング、回転、およびシヤリングを含む、一連の複合型アトミック変換(complex atomic transformations)により生成され得る。したがって、アフィン変換後に、疑いのある製品画像のロゴの形状が不変であると判定するべく、アフィン変換の特徴が使用される。ロゴの形状が不変であることの判定に基づいて、いくつかのミスマッチの局所特徴が除去され得る。
段階205において、方法は、有効な局所特徴点の総数の、選択されたロゴパターンの局所特徴点に対する比を算出し、その比は選択されたロゴパターンと疑いのある製品画像との間の有効なマッチング度を含む。
段階206において、方法は、有効なマッチング度が第2の予め設定された閾値より大きい場合、製品画像がロゴパターンを含むと判定する。
段階204から得られた有効な局所特徴点は、疑いのある製品画像の局所特徴点とマッチングするロゴパターンの実際の局所特徴点とみなされてよい。すなわち、有効な局所特徴点は、誤判定を除去し、より正確な局所特徴点のセットを表し得る。疑いのある製品画像に対しロゴパターンの有効なマッチング度が、有効な局所特徴点に基づいて算出された場合、より正確な有効なマッチング度が得られ、結果として、マッチングもより正確である。
例えば、上述の段階202において、選択されたロゴパターン上に100個の局所特徴点があり、疑いのある製品画像に対しロゴパターンのマッチング度が80%であると仮定することは、疑いのある製品画像上に80個のマッチングされたロゴパターンの局所特徴点があるということを意味する。しかしながら、そのような80個の局所特徴点にはいくつかのミスマッチがあり得る。精度を向上させるために、60個の有効な局所特徴点を得るべく、図3に示されている方法を使用して、ミスマッチの局所特徴点が除去されてよい。次に、これら60個の有効な局所特徴点に基づいて、疑いのある製品画像上のロゴパターンの有効なマッチング度は、ミスマッチを除去した後に事実上60%である。第2の予め設定された閾値が50%に設定される場合、条件が満たされる(すなわち、60%マッチングの特徴点が50%マッチングの特徴点の閾値より大きい)。それはまた、ロゴパターンが疑いのある製品画像上に存在することを示し、したがって、疑いのある製品画像は、侵害が疑われる画像として判定され得る。
図3および4に関して説明される実施形態は、疑いのある製品画像上の局所特徴点にマッチングするロゴパターンの局所特徴点からミスマッチを除去することにより、検出および想起の精度を向上させる。したがって、疑いのある製品画像上の検出の有効なマッチング度を算出する。
上で説明される検出方法は主に、ロゴパターンライブラリのロゴパターンを参照オブジェクトとみなす。したがって、ロゴパターンライブラリのロゴパターンの品質は、侵害が疑われる画像の検出に直接影響することになる。例えば、ロゴパターンが鮮明で、散乱しておらず、より少ないテキストを有する場合、マッチングの精度はより高くなる。しかし、ロゴパターンが不鮮明、またはより多くのテキストを有する場合、マッチングプロセスにおいて、ミスマッチはより容易に現れ得る。したがって、いくつかの実施形態において、方法は、ロゴパターンライブラリの品質を高めるために、ロゴパターンを最適化するための段階をさらに含んでよい。
図5は、本開示のいくつかの実施形態に係る、ロゴパターンライブラリを最適化するための方法を示している。ロゴパターン最適化段階は、図1または図3に説明される実施形態に組み込まれてよい。いくつかの実施形態において、ロゴパターン最適化段階は、侵害が疑われる製品画像の検出段階と同時に行われてよい。
段階301において、方法は、手動監査システムから返された監査結果による、ロゴパターンライブラリのロゴパターンの効率を算出する。算出された効率は、ロゴパターンに基づいて侵害が疑われる製品画像の検出の精度を特徴付けるべく使用されてよい。
段階302において、方法は、ロゴパターンの効率が有効閾値よりも低い場合、ロゴパターンライブラリからロゴパターンを除去する。
図5に示されている方法は、閉ループの審査方法を利用することにより、自己学習の環境を形成する。方法は、手動監査システムからの審査結果に基づいてロゴパターンの効率を算出するので、ロゴパターンの想起の精度は、ロゴパターンの効率により計測され得る。これは、主に、ロゴパターンに基づいて想起される侵害が疑われる製品画像内の、実際の侵害製品画像の割合により、ロゴパターンの想起の精度がより高いほど、ロゴパターンの信頼性および品質がより高くなることを意味する。
いくつかの実施形態において、段階301は、予め設定された期間による、1つのロゴパターンに基づいて検出された侵害が疑われる製品画像の総数Mの統計値を算出する段階を含む。方法は次に、手動監査システムから返された監査結果に基づいて、ロゴパターンに対し検出される侵害が疑われる製品画像のうち、正確な監査結果を有する画像Nの総数の統計値を算出してよい。方法は次に、総数Nと総数Mの比を算出してよく、その比は、算出されたロゴパターンの効率を表す。
例えば、所与の期間において、ロゴパターンに基づいて想起される侵害が疑われる製品画像が20個あり、5個のみが、手動監査を介して実際の侵害を含むとみなされる場合、ロゴパターンの効率は、5:20または25%と判定され得る。
別の例として、所与の期間において、別のロゴパターンに基づいて想起された統計上の侵害が疑われる製品画像が30個あり、20個のみが、手動監査を介して実際の侵害を含むとみなされる場合、ロゴパターンの効率は、20:30またはおおよそ67%と判定され得る。
有効閾値が60%に予め設定され、ロゴパターンの効率が5:20(60%よりも低い)と仮定すると、ロゴパターンの効率は低すぎる(すなわち、有効閾値よりも低い)とみなされる。ロゴパターンの効率が、有効閾値よりも下であると判定された場合、いくつかの侵害が疑われる製品画像を誤って想起しやすいと判定され得、手動監査に負担をかけ得る。この場合、ロゴパターンは、次のロゴマッチングのために想起の精度を高めるべく除去されることになる。20:30の効率(60%より高い)を有する別のロゴパターンは、必要な有効閾値を超えているとみなされて、そのロゴパターンはロゴパターンライブラリに残ることになる。
上述の方法に対応して、本開示はまた、侵害が疑われる製品画像のための検出デバイスを提供する。
図6は、本開示のいくつかの実施形態に係る、侵害が疑われる製品画像の検出デバイスの構造図である。図6に示されるように、検出デバイス400は以下のユニットを含む。
取得ユニット401は、事前構築されたロゴパターンライブラリからロゴパターンを取得するべく構成され、記憶されたロゴパターンは、製品ブランドを識別する。
第1の算出ユニット402は、疑いのある製品画像が取得されたロゴパターンの各々とマッチングするマッチング度を算出するべく構成される。
選択ユニット403は、取得されたロゴパターンの各々に対する算出されたマッチング度に基づいて最大マッチング度を有するロゴパターンを選択し、選択されたロゴパターンのマッチング度が第1の予め設定された閾値より大きい場合、疑いのある製品画像を含むデータを検出ユニット404に送信するべく構成される。
検出ユニット404は、疑いのある製品画像が1または複数のロゴパターンを含むことを検出するべく構成される。
いくつかの実施形態において、取得ユニット401はさらに、事前構築されたロゴパターンライブラリから、識別される製品のカテゴリのロゴパターンを取得するべく構成される。
図7に示されているいくつかの実施形態において、第1の算出ユニット402は以下のサブユニットを含む。
抽出サブユニット402aは、各ロゴパターンおよび疑いのある製品画像の局所特徴点を抽出するべく構成される。
マッチングサブユニット402bは、疑いのある製品画像の局所特徴点から、各ロゴパターンの各局所特徴点に対し各ロゴパターンの局所特徴点との予め設定されたマッチング度を満たす局所特徴点を捜すべく構成される。
算出サブユニット402cは、予め設定されたマッチング条件を満たす局所特徴点の総数の、各ロゴパターンに対してのロゴパターンの局所特徴点に対する比を算出するべく構成される。その比は、疑いのある製品画像とのロゴパターンのマッチング度とみなされる。
図8は、本開示のいくつかの実施形態に係る、侵害が疑われる製品画像の検出デバイスの構造図である。図8に示されるように、検出デバイス500は以下のユニットを含む。
取得ユニット501は、事前構築されたロゴパターンライブラリからロゴパターンを取得するべく構成され、ロゴパターンは、侵害製品画像内に存在するロゴパターンに基づいて生成された画像である。
第1の算出ユニット502は、疑いのある製品画像と各ロゴパターンとの間のマッチング度を得るために、疑いのある製品画像に対し各取得されたロゴパターンのマッチング度を算出するべく構成される。
選択ユニット503は、各ロゴパターンに対して算出されたマッチング度に基づいて最大マッチング度を有するロゴパターンを選択するべく構成される。
除去ユニット504は、有効な局所特徴点のセットを得るべく、選択されて、マッチングされたロゴパターン、および疑いのある製品画像の局所特徴点から、任意のミスマッチの局所特徴点を除去するべく構成される。
第2の算出ユニット505は、有効な局所特徴点の総数の、選択されたロゴパターンの局所特徴点の総数に対する比を算出するべく構成される。その比は、疑いのある製品画像に対し選択されたロゴパターンの有効なマッチング度である。第2の算出ユニット505はまた、有効なマッチング度が第2の予め設定された閾値より大きい場合、疑いのある製品画像を含むデータを検出ユニットに送信するべく構成される。
検出ユニット506は、疑いのある製品画像が1または複数のロゴパターンを含むかどうかを検出するべく構成される。
いくつかの実施形態において、除去ユニット504は、図9に示されている以下のサブユニットを含む。
アフィン変換サブユニット504aは、ランダムサンプルコンセンサスアルゴリズムにより、選択されたロゴパターンと疑いのある製品画像との間のアフィン変換関係を推定するべく構成される。
除去サブユニット504bは、選択されて、マッチングされたロゴパターンおよび疑いのある製品画像の局所特徴点から、アフィン変換関係に準拠していない局所特徴点を除去し、残りの局所特徴点を有効な局所特徴点とみなすべく構成される。
いくつかの実施形態において、検出デバイスはさらに以下を含んでよい。
効率算出ユニット507は、手動監査システムから返された監査結果による、ロゴパターンライブラリのロゴパターンの効率を算出するべく構成される。その効率は、ロゴパターンに基づいて侵害が疑われる製品画像の検出の精度を特徴付けるために使用される。
最適化ユニット508は、あるロゴパターンの効率が有効閾値よりも低い場合、ロゴパターンライブラリからそのロゴパターンを除去するべく構成される。
図10に示されているいくつかの実施形態において、効率算出ユニット507は以下のサブユニットを含んでよい。
第1の統計サブユニット507aは、予め設定された期間内に、ロゴパターンに基づいて検出された侵害が疑われる製品画像の総数Mの統計値を算出するべく構成される。
第2の統計サブユニット507bは、手動監査システムから返された監査結果によるロゴパターンに基づいて検出された侵害が疑われる製品画像のうち、正確な監査結果を有する画像の総数Nの統計値を算出するべく構成される。
効率算出サブユニット507cは、総数Nと総数Mの比を算出するよう構成され、その比がロゴパターンの効率を表す。
上記の実施形態によれば、「ロゴパターン」を参照する本明細書の検出デバイスおよび方法は、うまく逃れることが難しく、撮影角度および照明による影響が少ないという事実の利点を活かす。侵害が疑われる製品画像であるかどうかを検出するべく、ロゴパターンと疑いのある製品画像との間のマッチング度を使用することにより、検出方法は向上したロバスト性を実現し得、検出をより包括的で正確なものにする。結果として、想起される画像の量は、効果的に制御され得、手動審査のコストも減少され得る。
当業者はまた、本明細書に説明される様々な例示的な論理ブロック、モジュール、回路、およびアルゴリズムの段階を組み合わせることにより、電子的ハードウェア、コンピュータソフトウェア、またはそれらの組み合わせにおいて、本開示の実施形態が実現され得ることを理解するであろう。ハードウェアとソフトウェアの入れ替え可能性を明らかに示すべく、様々な概略的な構成要素、ユニット、モジュール、回路、および段階の機能の観点から概説がなされている。この機能がソフトウェアとして実現されるか、ハードウェアとして実現されるかは、特定の用途および全体のシステムへの設計制約による。当業者はまた、特定の用途に関する上述の機能を様々な方法で実現し得、この実装の決定は、本開示の範囲から逸脱するものとして解釈されるものではない。
本開示の例示的な実施形態が上記の実施形態に示されるが、本開示の範囲から逸脱することなく、複数の変更および修正がなされ得ることに留意されたい。例えば、一貫性を求められることを除いて、本明細書の特許請求の範囲、および実施形態で説明される機能、手順および/または動作のための特定の実行シーケンスはない。加えて、本開示の要素は、個別に説明され、必要とされ得るが、単一の要素が具体的に特定されない場合、複数の要素も想定され得る。
上記の参照図面は、本開示の様々な実施形態を説明するが、当業者は、本開示の範囲を逸脱することなく、本開示の実施形態がさらに修正され得ることを認識するであろう。
当業者はまた、本明細書に開示される実施形態に説明される様々な例示的ユニットとアルゴリズムの段階を組み合わせることにより、本開示が電子的ハードウェア、コンピュータソフトウェア、またはそれらの組み合わせの形態で具現化され得ることを理解するべきである。ハードウェアとソフトウェアの入れ替え可能性を明らかに示すべく、各例の構成要素および段階は、上記の説明の機能の観点から概説されている。この機能がソフトウェアとして実装されるか、ハードウェアとして実装されるかは、技術スキームの特定の用途、および設計制約による。当業者はまた、特定の用途の観点から説明される機能を様々な方法において実現し得、そのような実現は、本開示の範囲から逸脱するものとして解釈されるものではない。
実施形態は、本明細書に開示される実施形態に説明される方法、またはアルゴリズムの段階の組み合わせとともに、プロセッサにより実行されるハードウェアモジュール、ソフトウェアモジュール、またはそれらの2つの組み合わせの形態で実装され得る。ソフトウェアモジュールは、ランダムアクセスメモリ(RAM)、内部記憶装置、リードオンリメモリ(ROM)、電子的プログラマブルROM、電子的消去可能プログラマブルROM、レジスタ、ハードディスク、リムーバブルディスク、CD‐ROM、または技術分野における任意の他の既知の記憶媒体で実装され得る。
上記の具体的な実施形態は、本開示の目的、技術スキーム、および有益な効果に関する、より詳細な説明を提供している。上記は本開示の実施形態を例示するのみのためのものであり、本開示の範囲を限定することを意図されないことが理解されるべきである。全ての変更、同等の置換および改良は、本開示の思想および原理から逸脱することなく、本開示の保護範囲に属するであろう。
Claims (20)
- 製品画像がロゴパターンを含むかどうかを判定するための方法であって、
サーバにより、ロゴパターンライブラリから1または複数のロゴパターンを取得し、前記1または複数のロゴパターンの各々がそれぞれの製品ブランドを識別する段階と、
前記サーバにより、製品画像を取得する段階と、
前記サーバにより、前記1または複数のロゴパターンの各々に対するマッチング度を算出する段階であって、前記マッチング度は、各ロゴパターンが前記製品画像内に存在する度合いを表す、算出する段階と、
前記サーバにより、最大の算出されたマッチング度を有する前記ロゴパターンを、選択されたロゴパターンとして選択する段階と、
前記サーバにより、前記選択されたロゴパターンの前記マッチング度が第1の閾値より大きい場合、前記製品画像が前記選択されたロゴパターンを含むと判定する段階とを備える、方法。 - 前記1または複数のロゴパターンの各々がカテゴリと関連付けられており、ロゴパターンライブラリから1または複数のロゴパターンを取得する段階は、
前記サーバにより、前記製品画像に関連付けられるカテゴリを識別する段階と、
前記サーバにより、前記ロゴパターンライブラリから1または複数のロゴパターンを取得する段階であって、取得された前記1または複数のロゴパターンは、前記製品画像に関連付けられる前記カテゴリに、それぞれ関連付けられる、取得する段階とを含む、請求項1に記載の方法。 - 前記1または複数のロゴパターンの各々に対するマッチング度を算出する段階は、
前記サーバにより、前記製品画像の第1の局所特徴点を抽出する段階と、
前記サーバにより、前記1または複数のロゴパターンの各々に対する第2の局所特徴点を抽出する段階と、
前記サーバにより、前記1または複数のロゴパターンの各々に対する第3の局所特徴点を識別する段階であって、前記第3の局所特徴点は、前記第2の局所特徴点と比較して予め設定されたマッチング度を満たす前記第1の局所特徴点を表す、識別する段階と、
前記サーバにより、前記1または複数のロゴパターンの各々に対する、前記第3の局所特徴点の数の、前記第2の局所特徴点の数に対する比を算出する段階とを含む、請求項1または2に記載の方法。 - 前記製品画像が、前記選択されたロゴパターンを含むと判定する段階は、
前記サーバにより、前記選択されたロゴパターンの識別された前記第3の局所特徴点から1または複数のミスマッチの第1の局所特徴点を除去することにより、前記選択されたロゴパターンの有効な局所特徴点を識別する段階と、
前記サーバにより、前記選択されたロゴパターンの前記有効な局所特徴点の数の、前記選択されたロゴパターンの識別された前記第3の局所特徴点の数に対する比を算出することにより、前記選択されたロゴパターンの有効なマッチング度を、算出する段階と、
前記サーバにより、前記選択されたロゴパターンの前記有効なマッチング度が第2の閾値より大きい場合、前記製品画像が前記選択されたロゴパターンを含むと判定する段階とをさらに含む、請求項3に記載の方法。 - 前記選択されたロゴパターンの識別された前記第3の局所特徴点から1または複数のミスマッチの第1の局所特徴点を除去する段階は、
前記サーバにより、ランダムサンプルコンセンサスアルゴリズムを使用して、前記選択されたロゴパターンと前記製品画像との間の1または複数のアフィン変換関係を推定する段階と、
前記サーバにより、前記1または複数のアフィン変換関係に準拠しない、前記選択されたロゴパターンの識別された1または複数の第3の局所特徴点を除去する段階とを含む、請求項4に記載の方法。 - 前記サーバにより、前記1または複数のロゴパターンに関連付けられる監査結果に基づいて、前記ロゴパターンライブラリの前記1または複数のロゴパターンの効率を算出する段階であって、前記監査結果は、監査システムにより生成され、前記ロゴパターンライブラリの前記1または複数のロゴパターンの効率は、前記製品画像が前記選択されたロゴパターンを含むとの判定の精度を特徴付けるために使用される、算出する段階と、
前記サーバにより、算出された前記ロゴパターンの前記効率が有効閾値よりも低い場合、前記ロゴパターンライブラリから前記ロゴパターンを除去する段階とをさらに含む、請求項1から5のいずれか一項に記載の方法。 - 前記ロゴパターンライブラリの前記1または複数のロゴパターンの効率を算出する段階は、
前記サーバにより、前記1または複数のロゴパターンの各々に対する第1の製品画像総数を算出する段階であって、前記第1の製品画像総数が、予め設定された期間内に前記ロゴパターンを含むと判定される製品画像の数を表す、算出する段階と、
前記サーバにより、前記1または複数のロゴパターンの各々に対する第2の製品画像総数を算出する段階であって、前記第2の製品画像総数が、正確な監査結果を有する予め設定された期間内に前記ロゴパターンを含むと判定される製品画像の数を表す、算出する段階と、
前記サーバにより、前記第2の製品画像総数の、前記第1の製品画像総数に対する比を算出することにより、前記1または複数のロゴパターンの各々に対する前記ロゴパターンの前記効率を算出する段階とを含む、請求項6に記載の方法。 - 前記第1の局所特徴点、前記第2の局所特徴点および前記第3の局所特徴点が、スケール不変な特徴変換特徴点、高速化されたロバストな特徴の特徴点、アフィンSIFT特徴点、および勾配方向特徴点のヒストグラムからなるグループから選択される特徴点を含む、請求項3から5のいずれか一項に記載の方法。
- 製品画像がロゴパターンを含むかどうかを判定するためのデバイスであって、
製品画像、およびロゴパターンライブラリから1または複数のロゴパターンを取得するための取得ユニットであって、前記1または複数のロゴパターンの各々がそれぞれの製品ブランドを識別する、取得ユニットと、
前記1または複数のロゴパターンの各々に対するマッチング度を算出するための第1の算出ユニットであって、前記マッチング度は、各ロゴパターンが前記製品画像内に存在する度合いを表す、第1の算出ユニットと、
最大の算出されたマッチング度を有する前記ロゴパターンを、選択されたロゴパターンとして選択するための選択ユニットと、
前記選択されたロゴパターンの前記マッチング度が第1の閾値より大きい場合、前記製品画像が前記選択されたロゴパターンを含むと判定するための検出ユニットとを備える、デバイス。 - 前記1または複数のロゴパターンの各々がカテゴリと関連付けられており、前記取得ユニットは、前記製品画像に関連付けられるカテゴリを識別するための、および前記ロゴパターンライブラリから前記1または複数のロゴパターンを取得するための取得サブユニットを含み、取得された前記1または複数のロゴパターンは、前記製品画像に関連付けられる前記カテゴリに、それぞれ関連付けられる、請求項9に記載のデバイス。
- 前記第1の算出ユニットは、
前記製品画像の第1の局所特徴点、および前記1または複数のロゴパターンの各々に対する第2の局所特徴点を抽出するための抽出サブユニットと、
前記1または複数のロゴパターンの各々に対する第3の局所特徴点を識別するためのマッチングサブユニットであって、前記第3の局所特徴点は、前記第2の局所特徴点と比較して予め設定されたマッチング度を満たす前記第1の局所特徴点を表す、マッチングサブユニットと、
前記1または複数のロゴパターンの各々に対する、前記第3の局所特徴点の数の前記第2の局所特徴点の数に対する比をそれぞれ算出するための算出サブユニットとを含む、請求項9または10に記載のデバイス。 - 前記選択されたロゴパターンの識別された前記第3の局所特徴点から1または複数のミスマッチの第1の局所特徴点を除去することにより、前記選択されたロゴパターンの有効な局所特徴点を識別するための除去ユニットと、
前記選択されたロゴパターンの前記有効な局所特徴点の数の、前記選択されたロゴパターンの識別された前記第3の局所特徴点の数に対する比を算出することにより、前記選択されたロゴパターンの有効なマッチング度を算出するための、および前記選択されたロゴパターンの前記有効なマッチング度が第2の閾値より大きい場合、前記検出ユニットをトリガするための第2の算出ユニットとをさらに含む、請求項11に記載のデバイス。 - 前記除去ユニットは、
ランダムサンプルコンセンサスアルゴリズムを使用して、前記選択されたロゴパターンと前記製品画像との間の1または複数のアフィン変換関係を推定するためのアフィン変換サブユニットと、
前記1または複数のアフィン変換関係に準拠しない、前記選択されたロゴパターンの識別された1または複数の第3の局所特徴点を除去するための除去サブユニットとを含む、請求項12に記載のデバイス。 - 前記1または複数のロゴパターンに関連付けられる監査結果に基づいて、前記ロゴパターンライブラリの前記1または複数のロゴパターンの効率を算出するための効率算出ユニットであって、前記監査結果は、監査システムにより生成され、前記ロゴパターンライブラリの前記1または複数のロゴパターンの効率は、前記製品画像が前記選択されたロゴパターンを含むとの判定の精度を特徴付けるために使用される、効率算出ユニットと、
算出された前記ロゴパターンの前記効率が有効閾値よりも低い場合、前記ロゴパターンライブラリから前記ロゴパターンを除去するための最適化ユニットとをさらに含む、請求項9から13のいずれか一項に記載のデバイス。 - 前記効率算出ユニットは、
前記1または複数のロゴパターンの各々に対する第1の製品画像総数を算出するための第1の統計サブユニットであって、前記第1の製品画像総数が、予め設定された期間内に前記ロゴパターンを含むと判定される製品画像の数を表す、第1の統計サブユニットと、
前記1または複数のロゴパターンの各々に対する第2の製品画像総数を算出するための第2の統計サブユニットであって、前記第2の製品画像総数が、正確な監査結果を有する予め設定された期間内に前記ロゴパターンを含むと判定される製品画像の数を表す、第2の統計サブユニットと、
前記第2の製品画像総数の、前記第1の製品画像総数に対する比を算出することにより、前記1または複数のロゴパターンの各々に対する前記ロゴパターンの前記効率を算出するための効率算出サブユニットとを含む、請求項14に記載のデバイス。 - コンピュータプロセッサに、
ロゴパターンライブラリから1または複数のロゴパターンを取得し、前記1または複数のロゴパターンの各々がそれぞれの製品ブランドを識別する手順と、
製品画像を取得する手順と、
前記1または複数のロゴパターンの各々に対するマッチング度を算出する手順であって、前記マッチング度は、各ロゴパターンが前記製品画像内に存在する度合いを表す、算出する手順と、
最大の算出されたマッチング度を有する前記ロゴパターンを、選択されたロゴパターンとして選択する手順と、
前記選択されたロゴパターンの前記マッチング度が第1の閾値より大きい場合、前記製品画像が前記選択されたロゴパターンを含むと判定する手順とを実行させるためのプログラム。 - 前記1または複数のロゴパターンの各々がカテゴリと関連付けられており、ロゴパターンライブラリから1または複数のロゴパターンを取得する前記手順は、
前記製品画像に関連付けられるカテゴリを識別する手順と、
前記ロゴパターンライブラリから前記1または複数のロゴパターンを取得する手順であって、取得された前記1または複数のロゴパターンは、前記製品画像に関連付けられる前記カテゴリに、それぞれ関連付けられる、取得する手順とをさらに含む、請求項16に記載のプログラム。 - 複数のマッチング度を算出する前記手順は、
前記製品画像の第1の局所特徴点を抽出する手順と、
前記1または複数のロゴパターンの各々に対する第2の局所特徴点を抽出する手順と、
前記1または複数のロゴパターンの各々に対する第3の局所特徴点を識別する手順であって、前記第3の局所特徴点は、前記第2の局所特徴点と比較して予め設定されたマッチング度を満たす前記第1の局所特徴点を表す、識別する手順と、
前記1または複数のロゴパターンの各々に対する、前記第3の局所特徴点の数の、前記第2の局所特徴点の数に対する比を算出する手順とを含む、請求項16または17に記載のプログラム。 - 前記コンピュータプロセッサに、
前記選択されたロゴパターンの識別された前記第3の局所特徴点から1または複数のミスマッチの第1の局所特徴点を除去することにより、前記選択されたロゴパターンの有効な局所特徴点を識別する手順と、
前記選択されたロゴパターンの前記有効な局所特徴点の数の、前記選択されたロゴパターンの識別された前記第3の局所特徴点の数に対する比を算出することにより、前記選択されたロゴパターンの有効なマッチング度を算出する手順と、
前記選択されたロゴパターンの前記有効なマッチング度が第2の閾値より大きい場合、前記製品画像が前記選択されたロゴパターンを含むと判定する手順とをさらに実行させるための、請求項18に記載のプログラム。 - 前記コンピュータプロセッサに、
前記1または複数のロゴパターンに関連付けられる監査結果に基づいて、前記ロゴパターンライブラリの前記1または複数のロゴパターンの効率を算出する手順であって、前記監査結果は、監査システムにより生成され、前記ロゴパターンライブラリの前記1または複数のロゴパターンの効率は、前記製品画像が前記選択されたロゴパターンを含むことの判定の精度を特徴付けるために使用される、算出する手順と、
算出された前記ロゴパターンの前記効率が有効閾値よりも低い場合、前記ロゴパターンライブラリから前記ロゴパターンを除去する手順とをさらに実行させるための、請求項16から19のいずれか一項に記載のプログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510570605.9A CN106530194B (zh) | 2015-09-09 | 2015-09-09 | 一种疑似侵权产品图片的检测方法及装置 |
CN201510570605.9 | 2015-09-09 | ||
US15/259,081 US10068018B2 (en) | 2015-09-09 | 2016-09-08 | System and method for determining whether a product image includes a logo pattern |
US15/259,081 | 2016-09-08 | ||
PCT/US2016/050851 WO2017044673A1 (en) | 2015-09-09 | 2016-09-09 | System and method for determining whether a product image includes a logo pattern |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018528516A true JP2018528516A (ja) | 2018-09-27 |
Family
ID=58190628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018503805A Pending JP2018528516A (ja) | 2015-09-09 | 2016-09-09 | 製品画像がロゴパターンを含むかどうかを判定するためのシステムおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10068018B2 (ja) |
EP (1) | EP3347856A4 (ja) |
JP (1) | JP2018528516A (ja) |
CN (1) | CN106530194B (ja) |
TW (1) | TW201710989A (ja) |
WO (1) | WO2017044673A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020240834A1 (ja) * | 2019-05-31 | 2020-12-03 | 楽天株式会社 | 不正推定システム、不正推定方法、及びプログラム |
JP2022010108A (ja) * | 2019-05-31 | 2022-01-14 | 楽天グループ株式会社 | 不正推定システム、不正推定方法、及びプログラム |
JP7171097B1 (ja) | 2022-01-20 | 2022-11-15 | しるし株式会社 | 監視システム、監視方法、及びコンピュータプログラム |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
WO2018033137A1 (zh) * | 2016-08-19 | 2018-02-22 | 北京市商汤科技开发有限公司 | 在视频图像中展示业务对象的方法、装置和电子设备 |
CN107133221A (zh) * | 2017-06-09 | 2017-09-05 | 北京京东尚科信息技术有限公司 | 信息审核方法、装置、计算机可读介质和电子设备 |
CN107609057B (zh) * | 2017-08-25 | 2020-12-22 | 百度在线网络技术(北京)有限公司 | 一种获取商标图像的文字数据的方法与装置 |
CN107784507A (zh) * | 2017-09-30 | 2018-03-09 | 广东工业大学 | 疑似侵权商品预警方法及装置、计算机存储介质及设备 |
US20190188729A1 (en) * | 2017-12-18 | 2019-06-20 | Beijing Jingdong Shangke Information Technology Co., Ltd. | System and method for detecting counterfeit product based on deep learning |
CN109472723A (zh) * | 2018-08-30 | 2019-03-15 | 广州企图腾科技有限公司 | 一种基于结构分析的商标预警方法及装置 |
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 |
CN109299734B (zh) * | 2018-09-13 | 2023-12-19 | 北京字节跳动网络技术有限公司 | 侵权图片的识别方法、装置和计算机可读存储介质 |
US11049206B1 (en) * | 2020-08-20 | 2021-06-29 | Eric Schneider | Enhanced content generation system, method, and device |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11328404A (ja) * | 1998-05-08 | 1999-11-30 | Matsushita Electric Ind Co Ltd | 画像認識装置および画像認識方法 |
WO2004093013A1 (ja) * | 2003-04-15 | 2004-10-28 | Fujitsu Limited | 画像照合装置、画像照合方法、及び画像照合プログラム |
US8180667B1 (en) * | 2008-06-03 | 2012-05-15 | Google Inc. | Rewarding creative use of product placements in user-contributed videos |
US8332419B1 (en) * | 2010-05-13 | 2012-12-11 | A9.com | Content collection search with robust content matching |
WO2013018615A1 (ja) * | 2011-07-29 | 2013-02-07 | 日本電気株式会社 | 照合・検索システム、照合・検索サーバ、画像特徴抽出装置、照合・検索方法及びプログラム |
US20130202213A1 (en) * | 2010-06-25 | 2013-08-08 | Telefonica, Sa | Method and system for fast and robust identification of specific product images |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289341B1 (en) | 1998-06-26 | 2001-09-11 | Lucent Technologies, Inc. | Intelligent agent for identifying intellectual property infringement issues in computer network sites and method of operation thereof |
US7127405B1 (en) | 1999-12-30 | 2006-10-24 | Bellsouth Intellectual Property Corp. | System and method for selecting and protecting intellectual property assets |
US20030061490A1 (en) | 2001-09-26 | 2003-03-27 | Abajian Aram Christian | Method for identifying copyright infringement violations by fingerprint detection |
US7804982B2 (en) | 2002-11-26 | 2010-09-28 | L-1 Secure Credentialing, Inc. | Systems and methods for managing and detecting fraud in image databases used with identification documents |
JP4413633B2 (ja) * | 2004-01-29 | 2010-02-10 | 株式会社ゼータ・ブリッジ | 情報検索システム、情報検索方法、情報検索装置、情報検索プログラム、画像認識装置、画像認識方法および画像認識プログラム、ならびに、販売システム |
US7809192B2 (en) | 2005-05-09 | 2010-10-05 | Like.Com | System and method for recognizing objects from images and identifying relevancy amongst images and information |
US20070199988A1 (en) | 2005-09-23 | 2007-08-30 | Labgold Marc R | Method and means for detection of counterfeit items and prevention of counterfeiting activities |
US20070133947A1 (en) | 2005-10-28 | 2007-06-14 | William Armitage | Systems and methods for image search |
WO2007089943A2 (en) | 2006-02-01 | 2007-08-09 | Markmonitor Inc. | Detecting online abuse in images |
US20110066648A1 (en) | 2009-09-14 | 2011-03-17 | Raj Vasant Abhyanker | Simultaneous reservation of brand identity |
CN105719149B (zh) | 2010-03-09 | 2019-12-10 | 康明斯过滤Ip公司 | 用于检测原装可维护产品部件的存在性的装置、系统和方法 |
US8645359B2 (en) * | 2010-09-30 | 2014-02-04 | Microsoft Corporation | Providing associations between objects and individuals associated with relevant media items |
US20120144499A1 (en) | 2010-12-02 | 2012-06-07 | Sky Castle Global Limited | System to inform about trademarks similar to provided input |
CN102541954B (zh) * | 2010-12-29 | 2014-11-05 | 北京大学 | 一种商标检索方法及系统 |
US8634654B2 (en) | 2011-04-15 | 2014-01-21 | Yahoo! Inc. | Logo or image recognition |
CN102799653A (zh) * | 2012-06-29 | 2012-11-28 | 中国科学院自动化研究所 | 一种基于空间连通域预定位的商标检测方法 |
US9269022B2 (en) * | 2013-04-11 | 2016-02-23 | Digimarc Corporation | Methods for object recognition and related arrangements |
US10600081B2 (en) | 2013-08-15 | 2020-03-24 | Spanish Quotes, Inc. | Methods and systems for detecting fraudulent advertisements in pay-per-call advertising |
US9239943B2 (en) * | 2014-05-29 | 2016-01-19 | Datalogic ADC, Inc. | Object recognition for exception handling in automatic machine-readable symbol reader systems |
US9330329B2 (en) * | 2014-07-09 | 2016-05-03 | Ditto Labs, Inc. | Systems, methods, and devices for image matching and object recognition in images using minimal feature points |
CN104156413A (zh) * | 2014-07-30 | 2014-11-19 | 中国科学院自动化研究所 | 一种基于商标密度的个性化商标匹配识别方法 |
US9697234B1 (en) * | 2014-12-16 | 2017-07-04 | A9.Com, Inc. | Approaches for associating terms with image regions |
EP3035234A1 (en) * | 2014-12-18 | 2016-06-22 | Thomson Licensing | Method and electronic device for object tracking in a light-field capture |
-
2015
- 2015-09-09 CN CN201510570605.9A patent/CN106530194B/zh active Active
-
2016
- 2016-03-09 TW TW105107219A patent/TW201710989A/zh unknown
- 2016-09-08 US US15/259,081 patent/US10068018B2/en active Active
- 2016-09-09 EP EP16845078.1A patent/EP3347856A4/en not_active Withdrawn
- 2016-09-09 WO PCT/US2016/050851 patent/WO2017044673A1/en unknown
- 2016-09-09 JP JP2018503805A patent/JP2018528516A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11328404A (ja) * | 1998-05-08 | 1999-11-30 | Matsushita Electric Ind Co Ltd | 画像認識装置および画像認識方法 |
WO2004093013A1 (ja) * | 2003-04-15 | 2004-10-28 | Fujitsu Limited | 画像照合装置、画像照合方法、及び画像照合プログラム |
US8180667B1 (en) * | 2008-06-03 | 2012-05-15 | Google Inc. | Rewarding creative use of product placements in user-contributed videos |
US8332419B1 (en) * | 2010-05-13 | 2012-12-11 | A9.com | Content collection search with robust content matching |
US20130202213A1 (en) * | 2010-06-25 | 2013-08-08 | Telefonica, Sa | Method and system for fast and robust identification of specific product images |
WO2013018615A1 (ja) * | 2011-07-29 | 2013-02-07 | 日本電気株式会社 | 照合・検索システム、照合・検索サーバ、画像特徴抽出装置、照合・検索方法及びプログラム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020240834A1 (ja) * | 2019-05-31 | 2020-12-03 | 楽天株式会社 | 不正推定システム、不正推定方法、及びプログラム |
JPWO2020240834A1 (ja) * | 2019-05-31 | 2021-09-13 | 楽天グループ株式会社 | 不正推定システム、不正推定方法、及びプログラム |
JP2022010108A (ja) * | 2019-05-31 | 2022-01-14 | 楽天グループ株式会社 | 不正推定システム、不正推定方法、及びプログラム |
JP7324262B2 (ja) | 2019-05-31 | 2023-08-09 | 楽天グループ株式会社 | 不正推定システム、不正推定方法、及びプログラム |
JP7171097B1 (ja) | 2022-01-20 | 2022-11-15 | しるし株式会社 | 監視システム、監視方法、及びコンピュータプログラム |
JP2023106048A (ja) * | 2022-01-20 | 2023-08-01 | しるし株式会社 | 監視システム、監視方法、及びコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20170069077A1 (en) | 2017-03-09 |
CN106530194B (zh) | 2020-02-07 |
US10068018B2 (en) | 2018-09-04 |
CN106530194A (zh) | 2017-03-22 |
EP3347856A1 (en) | 2018-07-18 |
TW201710989A (zh) | 2017-03-16 |
WO2017044673A1 (en) | 2017-03-16 |
EP3347856A4 (en) | 2019-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018528516A (ja) | 製品画像がロゴパターンを含むかどうかを判定するためのシステムおよび方法 | |
KR101383307B1 (ko) | 원하는 허위 확률 하에서 검출 임계치를 설정하는 방법 및 장치 | |
CN109426785B (zh) | 一种人体目标身份识别方法及装置 | |
CN106372111B (zh) | 局部特征点筛选方法及系统 | |
EP3336588B1 (en) | Method and apparatus for matching images | |
US20180307940A1 (en) | A method and a device for image matching | |
Muzaffer et al. | A fast and effective digital image copy move forgery detection with binarized SIFT | |
US20220207860A1 (en) | Similar area detection device, similar area detection method, and computer program product | |
Soni et al. | multiCMFD: fast and efficient system for multiple copy-move forgeries detection in image | |
Bostanci et al. | A fuzzy brute force matching method for binary image features | |
JP2015007919A (ja) | 異なる視点の画像間で高精度な幾何検証を実現するプログラム、装置及び方法 | |
CN108897781B (zh) | 论文图形查重系统 | |
CN110287943B (zh) | 图像的对象识别方法、装置、电子设备及存储介质 | |
Yan et al. | Adaptive local feature based multi-scale image hashing for robust tampering detection | |
Lam et al. | Reference point detection for arch type fingerprints | |
KR102587693B1 (ko) | 이미지 저작권 보호를 위한 이미지 식별 장치 및 이의 동작 방법 | |
US20170154239A1 (en) | Method for feature description and feature descriptor using the same | |
Ren et al. | Visual words based spatiotemporal sequence matching in video copy detection | |
CN111145230B (zh) | 一种图像配准质量检测方法、装置、设备及存储介质 | |
Fahmy et al. | A new morphological based forgery detection scheme | |
Fahmy et al. | A natural preserving transform based forgery detection scheme | |
Kakar et al. | Detecting copy-paste forgeries using transform-invariant features | |
Alfraih et al. | Forgery localization based on image chroma feature extraction | |
TWI571805B (zh) | 基於雜湊函數的漸進式影像匹配方法與裝置 | |
WO2019208158A1 (ja) | 画像識別装置、画像識別方法、および画像識別プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200818 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210427 |