一种易于快速迭代更新的Logo检测方法技术

本发明专利技术公开了一种易于快速迭代更新的Logo检测方法，其特征在于，包括构建并训练logo检测模型至收敛，得到特征点Landmark 1，用于预测未知图片里的logo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark 2，用于预测logo类别。达到解决某些Logo样本过少，难以收集的情形；确定Logo检测任务的最优目标检测模型；新增Logo时模型快速迭代更新，免去新Logo标注过程并保证准确率的效果。

【技术实现步骤摘要】
一种易于快速迭代更新的Logo检测方法
本专利技术涉及计算机视觉领域，特别是涉及一种易于快速迭代更新的Logo检测方法。
技术介绍
日常生活中涉及的事物场景都有自己的品牌(麦当劳，可口可乐，乐高，迪士尼)，新品牌产生必然伴随新Logo，而老品牌也会对自己已有Logo推陈出新，综上，品牌迭代更新非常迅速。Logo数量较少时，目标检测模型可以胜任Logo识别任务，解决方案如下(以识别20个类别(即品牌)Logo为例)：收集指定20个类别Logo样本，每类150张左右，标注Logo位置及类别(即总计收集标注20*150＝3000张图片)；将样本送入模型训练至收敛，可预测1张未知图片中Logo位置及类别。但随着Logo类别逐渐增多，每新增一批Logo，就要重新收集图片，标注，非常耗费人力，而且部分类别样本很难收集。随着Logo更新换代，先前已收集样本中被废弃的旧版Logo，对模型预测能力没有任何贡献，且预测种类增多时，准确性必然下降。另外，目标检测模型实现方式繁多，如何选择最优方案值得探讨。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的不足，提供一种易于快速迭代更新的Logo检测方法。为解决上述技术问题，本专利技术提供一种易于快速迭代更新的Logo检测方法，包括构建并训练logo检测模型至收敛，得到特征点Landmark1，用于预测未知图片里的logo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark2，用于预测logo类别，具体步骤如下：步骤1，根据给定的关键字抓取搜索引擎的图片源，将图片的抓取结果分成4类:第1类，含Logo图片样本；第2类，没有多余背景的纯Logo；第3类，完全不相关的图片；第4类，不属于前3类的所有抓取结果；步骤2，生成xml文件，记录矩形框位置及标注类别；步骤2-1对步骤1中含Logo图片样本(第1类)，使用开源工具labelImg对图片中Logo所在位置用矩形框进行标注，标注类别统一设为general_logo，将矩形框位置及标注类别保存为xml文件；步骤2-2对步骤1中纯Logo(第2类)做旋转操作；然后将其嵌入完全不相关的图片(第3类)的随机位置且不超出边界，合成新的有效图片，合成时记录纯Logo(第2类)所在位置以及标注类别，写入xml文件；在步骤2-1获取的图片量不足1.5w张时，将合成的新的有效图片作为补充；步骤3，确定Landmark1最优模型；步骤3-1，以tensorflow为统一框架，实现FasterRCNN，R-FCN，SSD以及附带的特征提取器，所述特征提取器包括InceptionResnetV2、InceptionV2、InceptionV3、MobileNet、Resnet101、VGG；步骤3-2，使用步骤1获取的图片以及步骤2生成的xml文件进行训练，获得Landmark1最终模型；步骤4，利用步骤3的Landmark1批量抠取Logo，生成纯Logo图片，训练图片分类网络至收敛，得到Landmark2，并预测Logo类别；步骤5，当新增1类Logo时，收集至少100张的新Logo样本，重复步骤4，重新训练Landmark2，并使用重新训练的Landmark2预测新增logo的类别。所述步骤1中，图片样本包括至少100个类别；还对抓取结果进行筛选，具体方法为：对于含Logo图片样本，保留分辨率在300x300以上的抓取结果，对于没有多余背景的纯Logo，保留分辨率在150x150以上的抓取结果，对于完全不相关的图片，保留分辨率在300x300以上的抓取结果，数量为1千张，对于不属于前3类的所有抓取结果直接删除；筛选样本后的保留的有效样本数量为1万5千张。所述步骤2-2中，对抓取的纯Logo做旋转操作，所述旋转操作为随机旋转，旋转角度可以是60°、120°、180°、240°或300°。所述步骤6中，收集的新logo样本量为150张。本专利技术益处如下：1.解决某些Logo样本过少，难以收集的情形；2.确定Logo检测任务的最优目标检测模型；3.新增Logo时模型快速迭代更新，免去新Logo标注过程并保证准确率。附图说明图1为本专利技术的示例性实施例的Logo检测方法流程图；图2为各目标检测算法结构在COCO2016数据集的表现示意图。具体实施方式本专利技术技术方案是，将模型划分为2部分：Landmark1：整理好1.5w张包含Logo的图片样本，使用开源工具labelImg对图片中Logo所在位置用矩形框进行标注，标注类别统一设为general_logo，矩形框位置及标注类别保存为xml文件，供模型训练，收敛后，可预测未知图片中Logo位置；Landmark2：抠出Landmark1位置框中的Logo，送入图片分类模型，训练至收敛，此时可预测抠出的Logo是哪个类别(品牌)。一种易于快速迭代更新的Logo检测方案，包括构建并训练logo检测模型至收敛，得到特征点Landmark1，用于预测未知图片里的logo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark2，用于预测logo类别，具体步骤如下：步骤1，根据给定的关键字抓取搜索引擎的图片源，将图片的抓取结果分成4类:第1类，含Logo图片样本；第2类，没有多余背景的纯Logo；第3类，完全不相关的图片；第4类，不属于前3类的所有抓取结果；步骤2，生成xml文件，记录矩形框位置及标注类别；步骤2-1对步骤1中含Logo图片样本(第1类)，使用开源工具labelImg对图片中Logo所在位置用矩形框进行标注，标注类别统一设为general_logo，将矩形框位置及标注类别保存为xml文件；步骤2-2对步骤1中纯Logo(第2类)做旋转操作；然后将其嵌入完全不相关的图片(第3类)的随机位置且不超出边界，合成新的有效图片，合成时记录纯Logo(第2类)所在位置以及标注类别，写入xml文件；在步骤2-1获取的图片量不足1.5w张时，将合成的新的有效图片作为补充，保证样本总量达到1.5w张，这样训练出的模型预测准确率达到应用门槛；步骤3，确定Landmark1最优模型；步骤3-1，以tensorflow为统一框架，实现FasterRCNN，R-FCN，SSD以及附带的特征提取器，所述特征提取器包括InceptionResnetV2、InceptionV2、InceptionV3、MobileNet、Resnet101、VGG；步骤3-2，使用步骤1获取的图片以及步骤2生成的xml文件进行训练，获得Landmark1最终模型；步骤4，利用步骤3的Landmark1批量抠取Logo，生成纯Logo图片，训练图片分类网络至收敛，得到Landmark2，并预测Logo类别；步骤5，当新增1类Logo时，收集至少100张的新Logo样本，重复步骤4，重新训练Landmark2，并使用重新训练的Landmark2预测新增logo的类别。所述步骤1中，图片样本包括至少100个类别；还对抓取结果进行筛选，具体方法为：对于含Logo图片样本，保留分辨率在300x300以上的抓取结果，对于没有多余背景的纯Logo，保留分辨率在150x150以上的抓取结果，对于完全不相关的图片，保留分辨率在300x30本文档来自技高网...

【技术保护点】
1.一种易于快速迭代更新的Logo检测方法，其特征在于，包括构建并训练logo检测模型至收敛，得到特征点Landmark 1，用于预测未知图片里的logo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark 2，用于预测logo类别，具体步骤如下：步骤1，根据给定的关键字抓取搜索引擎的图片源，将图片的抓取结果分成4类:第1类，含Logo图片样本；第2类，没有多余背景的纯Logo；第3类，完全不相关的图片；第4类，不属于前3类的所有抓取结果；步骤2，生成xml文件，记录矩形框位置及标注类别；步骤2‑1对步骤1中含Logo图片样本(第1类)，使用开源工具labelImg对图片中Logo所在位置用矩形框进行标注，标注类别统一设为general_logo，将矩形框位置及标注类别保存为xml文件；步骤2‑2对步骤1中纯Logo(第2类)做旋转操作；然后将其嵌入完全不相关的图片(第3类)的随机位置且不超出边界，合成新的有效图片，合成时记录纯Logo(第2类)所在位置以及标注类别，写入xml文件；在步骤2‑1获取的图片量不足1.5w张时，将合成的新的有效图片作为补充；步骤3，确定Landmark 1最优模型；步骤3‑1，以tensorflow为统一框架，实现Faster RCNN，R‑FCN，SSD以及附带的特征提取器，所述特征提取器包括Inception Resnet V2、Inception V2、Inception V3、MobileNet、Resnet 101、VGG；步骤3‑2，使用步骤1获取的图片以及步骤2生成的xml文件进行训练，获得Landmark 1最终模型；步骤4，利用步骤3的Landmark 1批量抠取Logo，生成纯Logo图片，训练图片分类网络至收敛，得到Landmark 2，并预测Logo类别；步骤5，当新增1类Logo时，收集至少100张的新Logo样本，重复步骤4，重新训练Landmark 2，并使用重新训练的Landmark 2预测新增logo的类别。...

【技术特征摘要】
1.一种易于快速迭代更新的Logo检测方法，其特征在于，包括构建并训练logo检测模型至收敛，得到特征点Landmark1，用于预测未知图片里的logo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark2，用于预测logo类别，具体步骤如下：步骤1，根据给定的关键字抓取搜索引擎的图片源，将图片的抓取结果分成4类:第1类，含Logo图片样本；第2类，没有多余背景的纯Logo；第3类，完全不相关的图片；第4类，不属于前3类的所有抓取结果；步骤2，生成xml文件，记录矩形框位置及标注类别；步骤2-1对步骤1中含Logo图片样本(第1类)，使用开源工具labelImg对图片中Logo所在位置用矩形框进行标注，标注类别统一设为general_logo，将矩形框位置及标注类别保存为xml文件；步骤2-2对步骤1中纯Logo(第2类)做旋转操作；然后将其嵌入完全不相关的图片(第3类)的随机位置且不超出边界，合成新的有效图片，合成时记录纯Logo(第2类)所在位置以及标注类别，写入xml文件；在步骤2-1获取的图片量不足1.5w张时，将合成的新的有效图片作为补充；步骤3，确定Landmark1最优模型；步骤3-1，以tensorflow为统一框架，实现FasterRCNN，R-FCN，SSD以及附带的特征提取器，所述特征提取器包括InceptionResnetV2、InceptionV2、InceptionV3、M...

【专利技术属性】
技术研发人员：王旻毅，房鹏展，
申请(专利权)人：焦点科技股份有限公司，
类型：发明
国别省市：江苏,32