[發明專利]商標檢測方法和裝置、介質和計算機設備

在審

• 申請號: 202211215852.3
• 申請日: 2022-09-30
• 公開（公告）號: CN115512161A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 王修暉;張榮澤;彭飛榮;馬祥;徐新勝;王樂;徐楠軒;譚凌波;黃杰;周永霞;何靈敏;楊小兵
• 申請（專利權）人: 中國計量大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80;G06Q30/00;G06N3/04
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 王茹

一種商標檢測方法和裝置、介質和計算機設備，所述方法包括：獲取目標圖像；通過目標檢測網絡對目標圖像中的商標的類別信息進行檢測；目標檢測網絡包括：特征提取子網絡，包括級聯的多個特征提取模塊，每個特征提取模塊用于對本模塊的輸入特征進行特征提取；融合子網絡，包括級聯的多個融合模塊，每個融合模塊通過一個第一卷積模塊連接一個特征提取模塊；每個融合模塊的輸出特征至少通過對該融合模塊的前一融合模塊的輸出特征與該融合模塊及該融合模塊之后的各個融合模塊對應的第一卷積模塊的輸出特征進行融合得到；至少一個融合模塊的輸出特征融合有該融合模塊對應的第一卷積模塊的輸入特征；所述類別信息基于各個融合模塊的輸出特征獲取。

技術領域

本公開涉及人工智能技術領域，尤其涉及商標檢測方法和裝置、介質和計算機設備。

背景技術

目前，雖然圖像檢測的研究在技術上比較成熟，但是由于商標圖像場景的多樣性、商標類別的豐富性、海量商品數據處理的困難性等問題，商標檢測仍然存在檢測準確度低和檢測耗時長的問題。

發明內容

第一方面，本公開實施例提供一種商標檢測方法，所述方法包括：獲取目標圖像；通過目標檢測網絡對所述目標圖像中的商標的類別信息進行檢測；所述目標檢測網絡包括：特征提取子網絡，包括級聯的多個特征提取模塊，每個特征提取模塊用于對本模塊的輸入特征進行特征提取，得到本模塊的輸出特征；融合子網絡，包括級聯的多個融合模塊，每個融合模塊通過一個第一卷積模塊連接一個特征提取模塊；每個融合模塊的輸出特征至少通過對該融合模塊的前一融合模塊的輸出特征與該融合模塊及該融合模塊之后的各個融合模塊對應的第一卷積模塊的輸出特征進行融合得到；至少一個融合模塊的輸出特征融合有該融合模塊對應的第一卷積模塊的輸入特征；所述類別信息基于各個融合模塊的輸出特征獲取。

在一些實施例中，每個特征提取模塊包括：第二卷積模塊和級聯的多個第一bottleneck模塊；每個第一bottleneck模塊用于對該第一bottleneck模塊的輸入特征進行特征提取，基于第一注意力權重對提取出的特征進行加權處理，并對該第一bottleneck模塊的輸入特征和加權處理后的特征進行融合后輸出；首個第一bottleneck模塊的輸入特征為所述第二卷積模塊的輸出特征；該特征提取模塊的輸出特征通過對所述第二卷積模塊的輸出特征和最后一個第一bottleneck模塊的輸出特征進行融合得到。

在一些實施例中，第i個融合模塊之后的各個融合模塊對應的第一卷積模塊的輸出特征經上采樣后與第i個融合模塊對應的第一卷積模塊的輸出特征進行融合，并作為第i個融合模塊的輸入特征；第i-1個的輸出特征經下采樣后與第i個融合模塊的輸入特征進行融合，并作為第i個融合模塊的輸出特征。

在一些實施例中，每個融合模塊包括：第三卷積模塊和級聯的多個第二bottleneck模塊；每個第二bottleneck模塊用于對該第二bottleneck模塊的輸入特征進行特征提取，并基于第二注意力權重對提取出的特征進行加權處理后輸出；首個第二bottleneck模塊的輸入特征為所述第三卷積模塊的輸出特征；該融合模塊的輸出特征通過對所述第三卷積模塊的輸出特征和最后一個第二bottleneck模塊的輸出特征進行融合得到。

在一些實施例中，所述融合子網絡還包括多個注意力模塊，每個注意力模塊對應于一個融合模塊，用于基于該注意力模塊對應的第三注意力權重對該注意力模塊對應的融合模塊的輸出特征進行加權處理，得到該注意力模塊對應的輸出特征；所述類別信息基于各個注意力模塊的輸出特征獲取。

在一些實施例中，所述方法還包括：獲取樣本圖像；通過原始檢測網絡對所述樣本圖像中的商標進行檢測，得到所述樣本圖像中的商標的預測檢測框；基于所述樣本圖像中的商標的預測檢測框和所述樣本圖像中的商標的真實檢測框建立損失函數；基于所述損失函數對所述原始檢測網絡進行訓練，得到所述目標檢測網絡。