[發明專利]基于深度學習檢測仿冒產品的系統和方法

在審

• 申請號: 201811546140.3
• 申請日: 2018-12-18
• 公開（公告）號: CN109685528A
• 公開（公告）日: 2019-04-26
• 發明（設計）人: 毛紅達;張弛;張偉東;戴宏碩;呂楚夢
• 申請（專利權）人: 北京京東尚科信息技術有限公司;京東美國科技公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 余婧娜

1.一種用于驗證產品的系統，所述系統包括計算設備，所述計算設備包括處理器和存儲計算機可執行代碼的非易失性存儲器，其中所述計算機可執行代碼在被所述處理器執行時被配置為：

從用戶接收指令，其中所述指令是在用戶查看與產品相對應的媒體文件時生成的；

在接收到所述指令時，獲得所述媒體文件的副本；

使用深度學習模塊處理所述媒體文件的副本以獲得所述產品的標識；以及

通過將所述產品的標識與所存儲的對應于所述產品的標識進行比較來驗證所述產品，

其中，所述深度學習模塊包括：

依次相互通信的多個卷積層，被配置為對所述媒體文件的副本執行卷積以生成具有不同尺度的特征圖，其中每個卷積層被配置為從所述媒體文件的副本或從來自前一個卷積層的特征圖中提取特征，以生成相應的特征圖；

檢測模塊，被配置為從所述多個卷積層接收具有不同尺度的特征圖，并基于所述特征圖生成所述產品的中間標識；以及

非最大抑制模塊，被配置為處理所述產品的中間標識，以生成所述產品的標識。

2.根據權利要求1所述的系統，其中，所述特征包括圖像、至少一個邊界框的位置和與所述至少一個邊界框相對應的至少一個標志標簽。

3.根據權利要求1所述的系統，其中，使用多組訓練數據對所述深度學習模塊進行訓練，其中每組訓練數據包括圖像、圖像中的至少一個邊界框的位置和與所述至少一個邊界框相對應的至少一個標志標簽。

4.根據權利要求1所述的系統，其中，所述產品在電子商務平臺中列出。

5.根據權利要求4所述的系統，其中，所述計算設備是服務器計算設備和多個客戶端計算設備中的至少一個，所述服務器計算設備提供電子商務平臺的服務，所述客戶端計算設備包括智能電話、平板電腦、膝上型計算機和臺式計算機。

6.根據權利要求5所述的系統，其中，所述媒體文件的副本是從所述服務器計算設備獲得的。

7.根據權利要求4所述的系統，其中所述計算機可執行代碼在被所述處理器執行時被配置為：

當所述產品的標識與所存儲的所述產品的標識不匹配時，向用戶和電子商務平臺的管理者中的至少一個發送通知。

8.根據權利要求4所述的系統，其中所述指令在用戶點擊與所述媒體文件相對應的圖像或視頻時生成。

9.根據權利要求1所述的系統，其中所述產品的標識包括所述產品的品牌名或標志圖像。

10.一種用于驗證產品的方法，包括：

在計算設備處接收指令，其中所述指令是在用戶查看與產品相對應的媒體文件時生成的；

在接收到所述指令時，獲得所述媒體文件的副本；

使用深度學習模塊處理所述媒體文件的副本以獲得所述產品的標識；以及

通過將所述產品的標識與所存儲的對應于所述產品的標識進行比較來驗證所述產品，

其中，處理所述媒體文件的副本包括：

通過依次相互通信的多個卷積層對所述媒體文件的副本執行卷積以生成具有不同尺度的特征圖，其中每個卷積層從所述媒體文件的副本或從來自前一個卷積層的特征圖中提取特征，以生成相應的特征圖；

接收并處理具有不同尺度的特征圖，以生成所述產品的中間標識；以及

處理所述中間標識以生成所述產品的標識。

11.根據權利要求10所述的方法，其中，所述特征包括圖像、至少一個邊界框的位置和與所述至少一個邊界框相對應的至少一個標志標簽。

12.根據權利要求10所述的方法，還包括：

使用多組訓練數據對所述深度學習模塊進行訓練，其中每組訓練數據包括圖像、圖像中的至少一個邊界框的位置和與所述至少一個邊界框相對應的至少一個標志標簽。