RU2708348C1 - Способ определения охраноспособности обозначений в качестве товарных знаков с сохранением уровня разрешающей способности базы данных - Google Patents
Способ определения охраноспособности обозначений в качестве товарных знаков с сохранением уровня разрешающей способности базы данных Download PDFInfo
- Publication number
- RU2708348C1 RU2708348C1 RU2019116452A RU2019116452A RU2708348C1 RU 2708348 C1 RU2708348 C1 RU 2708348C1 RU 2019116452 A RU2019116452 A RU 2019116452A RU 2019116452 A RU2019116452 A RU 2019116452A RU 2708348 C1 RU2708348 C1 RU 2708348C1
- Authority
- RU
- Russia
- Prior art keywords
- database
- trademarks
- images
- image
- elements
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K1/00—Methods or arrangements for marking the record carrier in digital fashion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Изобретение относится к средствам проверки сходства или различия изображений, в частности изображений товарных знаков. Технический результат заключается в расширении арсенала средств. Количественно оценивается попарное сходство всех элементов базы. На основе результатов строится вариационный ряд коэффициентов сходства. Определяется минимальное значение вариационного ряда, которое используется в качестве критериального значения сходства для занесения или отклонения товарного знака в базу данных. 1 ил.
Description
Изобретение относится к средствам проверки сходства или различия изображений, в частности изображений товарных знаков, и может быть использовано в компьютерных системах для определения охраноспособности обозначений в качестве товарных знаков.
В настоящее время интеллектуальная собственность становится существенным экономическим ресурсом для любого хозяйствующего субъекта, помогает преобразовать знания в технологии и, в конечном счете, товары/услуги, которые могут найти применение на рынке и принести доход как их создателю, так и организации, региону, стране. Именно интеллектуальная собственность предоставляет компаниям необходимые конкурентные преимущества, служит ориентиром для формирования долгосрочной стратегии и обеспечивает доступ на высокотехнологичный рынок.
Товарные знаки как объекты интеллектуальной собственности играют ключевую роль в стратегии брендинга и маркетинга компании, помогая ей увязывать ту или иную продукцию, обладающую определенным качеством с производителем и, в конечном счете, с брендом.
Товарные знаки представляют собой средства индивидуализации, которые являются обозначениями, служащими соответственно для индивидуализации товаров или работ, услуг юридических лиц и индивидуальных предпринимателей [Гражданский кодекс Российской Федерации (часть четвертая) от 18.12.2006 №230-ФЗ (ред. от 23.05.2018)].
В качестве товарных знаков могут быть зарегистрированы следующие виды обозначений: словесные, изобразительные, объемные и другие обозначения или их комбинации.
К словесным обозначениям относятся слова, сочетания букв, имеющие словесный характер, словосочетания, предложения, а также их сочетания.
К изобразительным обозначениям относятся изображения на плоскости живых существ, предметов, природных и иных объектов, композиции линий, пятен, любых фигур.
К комбинированным обозначениям относятся комбинации элементов разного вида обозначений: изобразительных, словесных, объемных и других обозначений, перечень которых является открытым (в том числе, например, этикетки и полиграфические упаковки).
Кроме того, в последнее время все чаще в качестве товарных знаков регистрируются такие относительно новые виды обозначений, как, например, объемные, звуковые, позиционные, изменяющиеся, цветовые, световые, голографические обозначения.
Указанные виды обозначений используются производителями товаров, как правило, для усиления привлекательности своей продукции и рекламирования товаров и услуг с помощью средств радио, телевидения, сети Интернет.
Таким образом, к товарным знакам выдвигается следующее требование: они должны индивидуализировать соответственно товары или работы, услуги юридических лиц и индивидуальных предпринимателей.
Наибольшее количество обозначений, подаваемых на регистрацию в качестве товарных знаков в настоящее время, составляют изображения [Руководство по осуществлению административных процедур и действий в рамках предоставления государственной услуги по государственной регистрации товарного знака, знака обслуживания, коллективного знака и выдаче свидетельств на товарный знак, знак обслуживания, коллективный знак, их дубликатов (утв. Приказом Роспатента №128 от «24» июля 2018 г.). Электронный ресурс: URL: https://rupto.ru/ru/documents/ruc-tz/download. Дата обращения 17.05.2019 г.)].
Установление охраноспособности обозначения на основе сравнения его с массивом ранее зарегистрированных товарных знаков представляет собой сложную задачу распознавания и классификации образов, в настоящее время разрешаемую с использованием ручной системы классификации элементов изображений, корректное использование которой возможно только при достаточно высокой квалификации специалиста-исполнителя [Патент 2625523 Российская Федерация, МПК G06K 1/00. Способ определения охраноспособности обозначений в качестве товарных знаков / Общество с ограниченной ответственностью «Онлайн патент» (RU) - 2016129029; заявл. 15.07.2016; опубл. 14.07.2017, бюлл. №20. - 10 с]/
В настоящее время известен ряд средств и способов проверки сходства или различия изображений.
Известен «Способ и система поиска нарушений авторских прав на изображения» (Патент 2515706 Российская Федерация, МПК G06K 1/00, G06F 7/06, G06F 17/00. Способ и система поиска нарушений авторских прав на изображения / Общество с ограниченной ответственностью «Кузнеч» ООО «Кузнеч» (RU) - 2012135807/08; заявл. 21.08.2012; опубл. 20.05.2014, бюлл. №14. - 13 с.), основанный на расчете и сравнении дескрипторов для сравниваемых изображений. Суть заключается в следующем: на первом этапе производится расчет одного или нескольких дескрипторов для изображения, соблюдение авторских прав на который подлежит проверке; на втором этапе производится расчет одного или нескольких дескрипторов для одного или более анализируемых изображений, которые, предположительно, нарушают авторские права на исходное изображение; на третьем этапе производится сравнение значений дескрипторов исходного изображения со значениями дескрипторов одного или более изображений, за исключением исходного изображения. Если значения всех дескрипторов исходного изображения не равны соответствующим значениям дескрипторов анализируемых изображений, то это означает, что исходное изображение и анализируемые изображения не имеют сходных характеристик, и авторские права на использование исходного изображения, с высокой долей вероятности, не нарушены. Если значение одного или более дескрипторов исходного изображения равны значениям соответствующих дескрипторов анализируемых изображений, то система выполняет дополнительное сравнение изображений (этап №4) и отображение результатов сравнения (этап №5).
К недостаткам способа можно отнести то, что этот подход позволяет оценить сходство только с частью элементов базы данных, выбранных эвристическим способом, кроме того, отсутствует объективный критерий, позволяющий определить степень сходства.
Известен «Способ поиска и распознавания объектов на цифровых изображениях» (Патент 2458397 Российская Федерация, МПК G06K 9/82. Способ поиска и распознавания объектов на цифровых изображениях / Федеральное государственное военное образовательное учреждение высшего профессионального образования «Военный авиационный инженерный университет» (г. Воронеж) Министерства обороны Российской Федерации (RU) - 2011111070/08; заявл. 23.03.2011; опубл. 10.08.2012, бюлл. №22. - 8 с.), заключающийся в том, что сначала измеряется энергетический спектр входного изображения, затем выполняется адаптивная пространственная фильтрация входного изображения и сравнивается с эталонным изображением объекта, далее измеряют энергетический спектр входного изображения, после чего синтезируют адаптивный пространственный дискретный фильтр, фильтруют входное изображение синтезированным фильтром, сравнивают отфильтрованное изображение с порогом и получают бинарное изображение объекта и фона, получают бинарное изображение с расширенной областью объекта, путем дилатации объекта, получают изображение области интереса, после чего измеряют энергетический спектр изображения области интереса.
Способ основан на измерении энергетического спектра. Следует подчеркнуть, что измерение энергетического спектра различных изображений представляет собой сложную, труднореализуемую техническую задачу.
Недостаток способа заключается в отсутствии формальных правил определения объективного критерия (численных, объективных, пороговых значений), что снижает достоверность результата.
Наиболее близким по технической сущности и принятым за прототип является «Способ определения охраноспособности обозначений в качестве товарных знаков» (Патент 2625523 Российская Федерация, МПК G06K 1/00. Способ определения охраноспособности обозначений в качестве товарных знаков / Общество с ограниченной ответственностью «Онлайн патент» (RU) - 2016129029; заявл. 15.07.2016; опубл. 14.07.2017, бюлл. №20. - 10 с.), заключающийся в вычислении степени сходства изображения, тестируемого на наличие признака охраноспособности, с каждым изображением из базы зарегистрированных изображений.
В способе-прототипе используется искусственная нейронная сеть, состоящая из искусственных нейронов с нелинейными функциями активации, а также алгоритм преобразования входного изображения к матрицам R, G, В и Gray, для подачи на вход нейронной сети.
К недостаткам способа-прототипа можно отнести следующее:
- пороговое значение степени сходства задается пользователем, следовательно, не учитывается разрешающая способность (качество) базы данных (базы зарегистрированных изображений);
- в основу предлагаемого способа положено использование нейронных сетей. Известно [Савченко, А.В. Распознавание изображений на основе вероятностной нейронной сети с проверкой однородности. Компьютерная оптика, 37 (2), с. 254-262.], что нейронные сети требуют значительного количества однородного материала для своей настройки. Учитывая, что все товарные знаки не идентичны, сравнение нужно осуществлять индивидуально, поэкзеплярно.
Задача, на решение которой направлено предлагаемое изобретение, заключается в разработке способа, позволяющего производить строгую количественную оценку степени сходства товарных знаков.
Технический результат заключается в сохранении уровня разрешающей способности базы данных зарегистрированных товарных знаков, повышении скорости обработки заявок на государственную регистрацию товарных знаков, сокращении трудозатрат на обработку заявок.
Определение сходства/различий изображений осуществляется на строгой количественной основе с учетом строгих критериев.
Технический результат достигается тем, что в известном способе определения охраноспособности обозначений в качестве товарных знаков, заключающемся в том, что что изображение, представляемое на внесение в базу товарных знаков, преобразуют путем масштабирования к разрешению x×y пикселей, формируют матрицы уровня основных цветов RGB и матрицы уровня яркости Gray, элементы матриц преобразуют к вещественному формату, принятому для формы представления товарных знаков в базе данных, дополнительно задают исходные данные: базу данных зарегистрированных изображений и изображений, не допускаемых к государственной регистрации в качестве товарных знаков, изображения, представляемые на внесение в базу данных, алгоритмы преобразования изображений к требуемому формату; изображение, представляемое на внесение в базу товарных знаков, преобразуют в цифровой вид, записывают в базу данных, считывают из базы данных, определяют минимальный уровень разрешающей способности базы данных, для чего последовательно попарно рассчитывают коэффициента сходства 
для всех элементов базы данных, формируют вариационный ряд значений 
определяют минимальное значение вариационного ряда 
последовательно рассчитывают коэффициент сходства 
изображения, представляемого на внесение в базу данных, со всеми n элементами базы данных, сравнивают 
с 
при выполнении условия 
изображение, представляемое на внесение в базу данных, заносят в базу данных в качестве n+1 элемента и регистрируют в качестве «товарного знака», если условие 
не выполняется, принимают решение об отказе во внесении изображения в базу данных.
Таким образом, предлагается принцип включения нового товарного знака в базу данных зарегистрированных товарных знаков, суть которого в том, что каждый последующий вносимый элемент базы данных (выражается как коэффициент сходства 
) не должен снижать разрешающую способность базы данных (выражается как минимальное значение вариационного ряда коэффициентов сходства элементов базы данных 
). Если 
то изображение вносится в базу данных (база данных расширяется на единицу). В противном случае принимается решение об отказе во внесении изображения в базу данных (в базу данных не вносится никаких изменений).
Результаты поиска известных решений в данной и смежных областях техники с целью выявления признаков, совпадающих с отличительными от прототипа признаками заявленного способа, показали, что они не следуют явным образом из уровня техники. Из уровня техники также не выявлена известность влияния предусматриваемых существенными признаками заявленного изобретения преобразований на достижение указанного технического результата. Следовательно, заявленное изобретение соответствует условию патентоспособности «изобретательский уровень».
«Промышленная применимость» способа обусловлена последовательностью действий над материальными объектами, каждое из которых реализуется с помощью типовых технических средств.
Изобретение поясняется чертежами.
Фиг. 1 - Блок-схема способа определения охраноспособности обозначений в качестве товарных знаков с сохранением уровня разрешающей способности базы данных.
Способ может быть реализован следующим образом:
В блоке 1 фиг. 1 задают исходные данные, которыми являются:
- база данных зарегистрированных изображений и изображений, не допускаемых к государственной регистрации в качестве товарных знаков,
- изображения, представляемые на внесение в базу данных,
- алгоритмы преобразования изображений к требуемому формату.
База данных - это набор данных для информационных сетей и пользователей, хранящихся в особом, организованном виде. Вид хранения данных определяется заданной структурой базы данных и правилами ее управления.
База данных зарегистрированных изображений и изображений, не допускаемых к государственной регистрации в качестве товарных знаков формируют предварительно путем записи и сохранения изображений в заданном формате.
В блоке 2 фиг. 1 изображение, представляемое на внесение в базу товарных знаков, преобразуют в цифровой вид в формат, принятый для записи и хранения изображений в базе данных.
В соответствии с [Руководство по осуществлению административных процедур и действий в рамках предоставления государственной услуги по государственной регистрации товарного знака, знака обслуживания, коллективного знака и выдаче свидетельств на товарный знак, знак обслуживания, коллективный знак, их дубликатов (утв. Приказом Роспатента №128 от «24» июля 2018 г.). Электронный ресурс: URL: https://rupto.ru/ru/documents/ruc-tz/download. Дата обращения 17.05.2019 г.)] изображение, представляемое на внесение в базу товарных знаков, может быть представлено в виде изображения на плоскости, схематическом, фотографическом виде или выполнено в графическом редакторе операционных систем в электронно-цифровой форме.
Следовательно, для осуществления возможности дальнейшей автоматизированной обработки, в том числе сравнения, изображений, необходимо привести их к единому цифровому виду.
Способы, алгоритмы и устройства оцифровки изображений известны и широко применяются [В.Т. Фисенко, Т.Ю. Фисенко, Компьютерная обработка и распознавание изображений: учеб. пособие. - СПб: СПбГУ ИТМО, 2008. - 192 с., стр. 8-10, 32-45; Грузман И.С., Киричук B.C., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах: Учебное пособие. - Новосибисрк: Изд-во НГТУ, 2000. - 168, стр. 6-22; Основы оцифровки. Типы сканирующих устройств. Электронный ресурс: URL: https://www.intuit.ru/studies/courses/2319/619/lecture/13482?page=2. Дата обращения 17.05.2019 г.; Самарин Ю.Н. Допечатное оборудование: Конструкции и расчет: Учебник для вузов / Моск. гос. ун-т печати. Москва: МГУП, 2002. 555 с., Техника и технология допечатных процессов: лабораторные работы / Ю.Н. Самарин, Ю.Н. Ткачук; Моск. гос. ун-т печати имени Ивана Федорова. - М.: МГУП имени Ивана Федорова, 2016. - 56 с., стр. 31-46; Алехина Г.В., Годин И.М., Иванько А.Ф., Иванько М.А., Мастяев Ф.А., Петрик Е.А. Информатика. / Московская финансово-промышленная академия. - М., 2005. 133 с., стр. 105-109].
Если изображение, представляемое на внесение в базу товарных знаков, выполнено в электронно-цифровой форме, однако имеет формат, отличный от принятого для записи, хранения и обработки изображений в базе данных, его преобразуют в требуемый формат, например, при помощи известных алгоритмов и программ для конвертации изображений [Конвертеры изображений. Электронный ресурс: URL: https://lamerkomp.ru/load/grafika_i_dizajn/konvertery/75. Дата обращения 21.05.2019; Конвертеры. Электронный ресурс: URL: https://www.softportal.com/dlcategory-297-1-0-0-0.html. Дата обращения 21.05.2019]
В блоке 3 фиг. 1 изображение, представляемое на внесение в базу товарных знаков, в цифровом виде записывают в базу данных.
В блоке 4 фиг. 1 изображение, представляемое на внесение в базу товарных знаков, считывают из базы данных.
В блоке 5 фиг. 1 изображение, представляемое на внесение в базу товарных знаков, преобразуют путем масштабирования к разрешению Х×У пикселей, заданному пользователем (X - ширина изображения, Y - высота изображения). Для этого может быть использован алгоритм бикубической интерполяции.
В блоке 6 фиг. 1 формируют матрицы уровня основных цветов RGB и матрицы уровня яркости Gray.
Для полученного массива Х×У пикселей формируют следующие матрицы размера Х×У [Патент 2625523 Российская Федерация, МПК G06K 1/00. Способ определения охраноспособности обозначений в качестве товарных знаков / Общество с ограниченной ответственностью "Онлайн патент" (RU) - 2016129029; заявл. 15.07.2016; опубл. 14.07.2017, бюлл. №20. - стр. 5]:
- R - матрица уровня красного цвета пикселей изображения (компонента Red в RGB представлении);
- G - матрица уровня зеленого цвета пикселей изображения (компонента Green в RGB представлении);
- В - матрица уровня синего цвета пикселей изображения (компонента Blue в RGB представлении);
- Gray - матрица уровня серого цвета пикселей изображения (уровень яркости пикселя при отображении изображения в оттенках серого Grayscale), рассчитываемая по формуле Gray=0,2989R+0,5870G+0,1140B.
Элементы подготовленных матрицы R, G, В и Gray имеют целочисленные значения без знака (формат unsigned integer 8 bit - целочисленные данные, изменяющиеся в диапазоне от 0 до 255).
В блоке 7 фиг. 1 элементы матриц преобразуются к вещественному формату, аналогичному для формы представления товарных знаков в базе данных.
Элементы матриц R, G, В и Gray преобразуются к вещественному формату путем деления на 256, то есть преобразованные элементы матриц изменяются в пределах от 0 до 1. [Патент 2625523 Российская Федерация, МПК G06K 1/00. Способ определения охраноспособности обозначений в качестве товарных знаков / Общество с ограниченной ответственностью "Онлайн патент" (RU) - 2016129029; заявл. 15.07.2016; опубл. 14.07.2017, бюлл. №20. - стр. 5]
Далее оценивают минимальный уровень разрешающей способности базы данных.
Разрешающая способность базы данных - численная величина, характеризующая минимальный коэффициент сходства на всем множестве базы данных.
В блоке 8 фиг. 1 последовательно попарно рассчитывают коэффициент сходства 
для всех элементов базы данных.
Для вычисления производить расчет по формуле Рассела и Рао [Жамбю М. Иерархический кластер-анализ и соответствия / М. Жамбю,: Пер. с фр. - М.: «Финансы и статистика», 1988. 342 с.: ил.;, С. 94]:
где i - число совпадений характеристик i-го элемента базы данных товарных знаков и анализируемого товарного знака; N - общее число сравниваемых признаков двух объектов.
В блоке 9 фиг. 1 формируют вариационный ряд значений рассчитанных значений коэффициента сходства
В блоке 10 фиг. 1 рассчитывают минимальное значение вариационного ряда 
В блоке 11 фиг. 1 последовательно рассчитывают коэффициент сходства 
представляемого товарного знака со всеми n элементами базы данных.
В блоке 12 фиг. 1 сравнивают рассчитанный коэффициент сходства 
представляемого товарного знака со всеми n элементами базы данных с минимальным 
При выполнении условия 
представляемый товарный знак заносится в базу данных в качестве n+1 элемента (блок 13 фиг 1).
В случае, если условие 
не удовлетворяется, принимается решение об отказе во внесении изображения в базу данных (блок 14 фиг 1).
Claims (1)
- Способ определения охраноспособности обозначений в качестве товарных знаков, заключающийся в том, что изображение, представляемое на внесение в базу товарных знаков, преобразуют путем масштабирования к разрешению x×y пикселей, формируют матрицы уровня основных цветов RGB и матрицы уровня яркости Gray, элементы матриц преобразуют к вещественному формату, принятому для формы представления товарных знаков в базе данных, отличающийся тем, что задают исходные данные: базу данных зарегистрированных изображений и изображений, не допускаемых к государственной регистрации в качестве товарных знаков, изображения, представляемые на внесение в базу данных, алгоритмы преобразования изображений к требуемому формату; изображение, представляемое на внесение в базу товарных знаков, преобразуют в цифровой вид в формат, принятый для записи и хранения изображений в базе данных, записывают в базу данных, считывают из базы данных, определяют минимальный уровень разрешающей способности базы данных, для чего последовательно попарно рассчитывают коэффициента сходствадля всех элементов базы данных, формируют вариационный ряд значений
определяют минимальное значение вариационного ряда
последовательно рассчитывают коэффициент сходства
изображения, представляемого на внесение в базу данных, со всеми n элементами базы данных, сравнивают
с
при выполнении условия
изображение, представляемое на внесение в базу данных, заносят в базу данных в качестве n+1 элемента и регистрируют в качестве «товарного знака», если условие
не выполняется, принимают решение об отказе во внесении изображения в базу данных.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019116452A RU2708348C1 (ru) | 2019-05-28 | 2019-05-28 | Способ определения охраноспособности обозначений в качестве товарных знаков с сохранением уровня разрешающей способности базы данных |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019116452A RU2708348C1 (ru) | 2019-05-28 | 2019-05-28 | Способ определения охраноспособности обозначений в качестве товарных знаков с сохранением уровня разрешающей способности базы данных |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2708348C1 true RU2708348C1 (ru) | 2019-12-05 |
Family
ID=68836664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019116452A RU2708348C1 (ru) | 2019-05-28 | 2019-05-28 | Способ определения охраноспособности обозначений в качестве товарных знаков с сохранением уровня разрешающей способности базы данных |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2708348C1 (ru) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100166320A1 (en) * | 2008-12-26 | 2010-07-01 | Paquier Williams J F | Multi-stage image pattern recognizer |
| RU2458397C1 (ru) * | 2011-03-23 | 2012-08-10 | Федеральное государственное военное образовательное учреждение высшего профессионального образования "Военный авиационный инженерный университет" (г. Воронеж) Министерства обороны Российской Федерации | Способ поиска и распознавания объектов на цифровых изображениях |
| RU2515706C2 (ru) * | 2012-08-21 | 2014-05-20 | Общество с ограниченной ответственностью "Кузнеч" ООО "Кузнеч" | Способ и система поиска нарушений авторских прав на изображения |
| RU2625523C1 (ru) * | 2016-07-15 | 2017-07-14 | Общество с ограниченной ответственностью "Онлайн патент" | Способ определения охраноспособности обозначений в качестве товарных знаков |
-
2019
- 2019-05-28 RU RU2019116452A patent/RU2708348C1/ru active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100166320A1 (en) * | 2008-12-26 | 2010-07-01 | Paquier Williams J F | Multi-stage image pattern recognizer |
| RU2458397C1 (ru) * | 2011-03-23 | 2012-08-10 | Федеральное государственное военное образовательное учреждение высшего профессионального образования "Военный авиационный инженерный университет" (г. Воронеж) Министерства обороны Российской Федерации | Способ поиска и распознавания объектов на цифровых изображениях |
| RU2515706C2 (ru) * | 2012-08-21 | 2014-05-20 | Общество с ограниченной ответственностью "Кузнеч" ООО "Кузнеч" | Способ и система поиска нарушений авторских прав на изображения |
| RU2625523C1 (ru) * | 2016-07-15 | 2017-07-14 | Общество с ограниченной ответственностью "Онлайн патент" | Способ определения охраноспособности обозначений в качестве товарных знаков |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Muniesa et al. | Economic experiments and the construction of markets | |
| Zehlike et al. | Matching code and law: achieving algorithmic fairness with optimal transport | |
| Yan et al. | A semi-“smart predict then optimize”(semi-SPO) method for efficient ship inspection | |
| Larmuseau et al. | Race against the Machine: can deep learning recognize microstructures as well as the trained human eye? | |
| Chua et al. | Facial stereotype bias is mitigated by training | |
| CN112396092B (zh) | 一种众包开发者推荐方法和装置 | |
| CN110310012B (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
| Zhang et al. | The performance research of the data augmentation method for image classification | |
| CN112950414B (zh) | 一种基于解耦法律要素的法律文本表示方法 | |
| Soto | Categorization training changes the visual representation of face identity | |
| RU2708348C1 (ru) | Способ определения охраноспособности обозначений в качестве товарных знаков с сохранением уровня разрешающей способности базы данных | |
| Gokce | Development of the ethical evaluation questionnaire: A machiavellian, utilitarian, and religious viewpoint | |
| Liu et al. | Model compression with generative adversarial networks | |
| CN113066094B (zh) | 一种基于生成对抗网络的地理栅格智能化局部脱敏方法 | |
| Alkhalifah et al. | Direct domain adaptation through reciprocal linear transformations | |
| Jing | Application of Artificial Intelligence Algorithm and VR Technology in Vocal Music Teaching | |
| Latifah et al. | The role of personal values in forming the AI ethics of prospective accountants | |
| Metgud et al. | Real-time student emotion and performance analysis | |
| Zhang et al. | Research on Travel Reimbursement Behavior Management Based on Deep Learning in Financial Sharing Mode | |
| Koops et al. | Bayesian inference for multistage and other incomplete designs | |
| Vela et al. | Improving the quality of image generation in art with top-k training and cyclic generative methods | |
| Mertens et al. | Color-Dependent Prediction Stability of Popular CNN Image Classification Architectures | |
| Smith et al. | Whenever I hear the word ‘paradigm’I reach for my gun: how to stop talking and start walking | |
| de la Cueva et al. | Open Science and Intellectual Property Rights. How can they better interact? State of the art and reflections. Report of Study. European Commission. | |
| Hamilton | Magistrate Judge Matthewman’s New E-Discovery Paradigm and Solving the E-Discovery Paradox |