[發明專利]商標圖像檢索模型訓練方法、系統、存儲介質及計算機設備

有效

• 申請號: 201910925704.2
• 申請日: 2019-09-27
• 公開（公告）號: CN110674881B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 臧亞強;金忠良;李東明
• 申請（專利權）人: 長城計算機軟件與系統有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06K9/62;G06F16/535;G06F16/53
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 厲洋洋

1.一種商標圖像檢索模型訓練方法，其特征在于，包括：

獲取多組樣本數據，每組樣本數據包括一個查詢樣本和一個正例樣本集；將所述多組樣本數據劃分為訓練集和驗證集；

根據相似度在所述訓練集中為每個查詢樣本從對應的正例樣本集中選擇最難正例樣本；

根據相似度為每個查詢樣本從商標圖像數據庫中選擇多個困難負例樣本；

將一個查詢樣本、對應的最難正例樣本和對應的多個困難負例樣本作為一組訓練數據，根據多組訓練數據利用神經網絡進行商標圖像檢索模型訓練；

根據多負例對比損失函數對所述商標圖像檢索模型進行更新，直至所述商標圖像檢索模型在所述驗證集上的驗證效果不再提升，則結束訓練；

所述根據多負例對比損失函數對所述商標圖像檢索模型進行更新，包括：

根據如下公式計算當前損失值Loss，根據所述當前損失值對所述商標圖像檢索模型進行更新；

其中，D_(q,p)表示查詢樣本q與最難正例樣本p之間的歐式距離，表示查詢樣本本q與困難負例樣本n_i之間的歐式距離；ncount表示困難負樣本數量，α是一個超參數。

2.根據權利要求1所述的方法，其特征在于，所述根據相似度在所述訓練集中為每個查詢樣本從對應的正例樣本集中選擇最難正例樣本，包括：

確定查詢樣本的特征向量以及對應的正例樣本集中所有正例樣本的特征向量；

確定所述查詢樣本的特征向量與對應的正例樣本集中所有正例樣本的特征向量的余弦相似度；

按照所述余弦相似度對正例樣本集中所有正例樣本進行相似度排序；

選取相似度最低的正例樣本作為最難正例樣本。

3.根據權利要求2所述的方法，其特征在于，所述根據相似度為每個查詢樣本從商標圖像數據庫中選擇多個困難負例樣本，包括：

針對每個查詢樣本，隨機獲取第一預設數量的與查詢樣本的圖像要素號不一致的負例樣本組成負例樣本集；

確定查詢樣本的特征向量以及對應的負例樣本集中所有負例樣本的特征向量；

確定所述查詢樣本的特征向量與對應的負例樣本集中所有負例樣本的特征向量的余弦相似度；

按照所述余弦相似度對負例樣本集中所有負例樣本進行相似度排序；

選取第二預設數量的相似度大于預設閾值的負例樣本作為困難負例樣本，其中預設閾值根據最難正例樣本對應的相似度設定。

4.根據權利要求1至3任一項所述的方法，其特征在于，還包括對所述訓練集和所述驗證集中的樣本數據進行預處理，獲得預設格式的樣本數據。

5.根據權利要求4所述的方法，其特征在于，所述對所述訓練集和所述驗證集中的樣本數據進行預處理，獲得預設格式的樣本數據，包括：

對所述訓練集和所述驗證集中的樣本數據進行灰度化、去除周圍空白區域、補成正方形、統一大小以及進行歸一化處理。