[發明專利]一種基于GAN的數據增強的無監督商標檢索系統及方法

在審

• 申請號: 202010039075.6
• 申請日: 2020-01-14
• 公開（公告）號: CN111274429A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 梁觀術;曹江中;戴青云;黃云飛
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/62;G06N3/04;G06N3/08;G06Q50/18
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于GAN的數據增強的無監督商標檢索系統，其特征在于，包括GAN數據增強模塊、實例區分模塊、商標檢索模塊，其中GAN數據增強模塊用于增強商標數據集，擴充商標訓練集；實例區分訓練模塊用于訓練無監督網絡，得到商標特征提取器；商標檢索模塊用于計算商標數據庫與待檢索商標特征的相似度量，輸出商標的排序結果。

2.根據權利要求1所述的基于GAN的數據增強的無監督商標檢索方法，其特征在于，所述的GAN數據增強模塊通過已訓練好的GAN模型來生成商標數據集，并將增強的商標數據集與原來的商標數據集結合在一起，組成新的商標數據庫M。

3.根據權利要求2所述的基于GAN的數據增強的無監督商標檢索方法，其特征在于，所述的GAN模型的訓練步驟如下：

步驟1.保持生成器G(z)的參數不變，在噪聲分布P_z(z)中隨機選取m個噪聲樣本Z＝{z₁,z₂,...,z_n}，同時，從商標真實數據P_real(x)中進行隨機抽取n個商標數據X＝{x₁x₂,...,x_n}；

步驟2.最大化判別損失迭代訓練更新判別器；然后，保持判別器D(x)的參數不變最小化判別損失迭代訓練生成器；

步驟3.通過循環步驟1和步驟2，形成博弈學習模式，最終當判別器無法判斷輸入樣本的來源時，即理想狀態下訓練達到穩定狀態，得到一個最優的生成器參數；

步驟4.使用已訓練完成的生成器G(z)來生成商標數據集Q，并結合原來的商標數據集，形成一個新的商標數據集M，用于訓練實例區分算法。

4.根據權利要求3所述的基于GAN的數據增強的無監督商標檢索方法，其特征在于，所述的最大化判別損失迭代訓練更新判別器的公式如下：

其中x來自真實的商標數據分布x～P_real(x)，z來自隨機噪聲分布z～P_z(z)，D(x)為判別器輸出商標數據來源的類別，G(z)為生成器以Z為輸入生成的圖片樣本，n是訓練圖像批次大小。

5.根據權利要求3所述的基于GAN的數據增強的無監督商標檢索方法，其特征在于，所述的最小化判別損失迭代訓練生成器的公式如下：

其中x來自真實的商標數據分布x～P_real(x)，z來自隨機噪聲分布z～P_z(z)，D(x)為判別器輸出商標數據來源的類別，G(z)為生成器以Z為輸入生成的圖片樣本，n是訓練圖像批次大小。

6.根據權利要求1所述的基于GAN的數據增強的無監督商標檢索方法，其特征在于，所述的實例區分模塊利用增強后的商標數據庫M通過實例區分算法來訓練無監督網絡，得到商標特征提取器。

7.根據權利要求6所述的基于GAN的數據增強的無監督商標檢索方法，其特征在于，所述的商標特征提取器將新的商標數據集M經過已訓練好的商標特征提取器進行特征提取，形成商標特征庫F＝{F₁,F₂,...,F_n}，其中F∈R^n×128，同理，利用商標特征提取器進行提取檢索圖像I的特征F'，其中F'∈R^1×128。

8.根據權利要求5所述的基于GAN的數據增強的無監督商標檢索方法，其特征在于，所述的商標檢索模塊將增強后的商標數據庫M經過已訓練好的商標特征提取器進行特征提取，形成商標特征庫，選取商標檢索集中任意一張商標I，將其經過商標特征提取器進行提取特征F'，根據歐式距離來計算商標數據庫與待檢索商標特征的相似度量。