标志图像的识别方法和装置制造方法及图纸

本发明专利技术公开了一种标志图像的识别方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对待输入的标志图像进行数据增强处理以得到包括旋转角度特征的输入数据；将输入数据输入到神经网络中以提取标志图像的与旋转角度无关的特征；通过神经网络，基于预定义的损失函数对与旋转角度无关的特征进行学习以训练标志图像识别模型；使用标志图像识别模型识别标志图像。该实施方式能够增强标志图像识别模型对多旋转角度标志图像的识别能力，从而更准确地对标志图像进行标志识别。从而更准确地对标志图像进行标志识别。从而更准确地对标志图像进行标志识别。

【技术实现步骤摘要】
标志图像的识别方法和装置


[0001]本专利技术涉及计算机
，尤其涉及一种标志图像的识别方法和装置。

技术介绍

[0002]logo是企业或者品牌的一个标识或标志，通过形象化艺术化的标识能够更好的体现企业或者品牌的价值和文化，同时让消费者更加容易的记住和接受相关品牌。随着商业的发展整个社会品牌及对应logo呈现出爆炸性的增长，如何高效快速的是识别出图像中包含的品牌logo，在各个领域均具有重要的意义。
[0003]然而，现有技术中至少存在如下问题：
[0004]由于logo图像在自然场景中角度多变，现有方法多针对正常视角的logo进行特征提取和识别，角度多样会严重影响logo识别的准确率。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种标志图像的识别方法和装置，能够增强标志图像识别模型对多旋转角度标志图像的识别能力，从而更准确地对标志图像进行标志识别。
[0006]为实现上述目的，根据本专利技术实施例的一个方面，提供了一种标志图像的识别方法。
[0007]一种标志图像的识别方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种标志图像的识别方法，其特征在于，包括：对待输入的标志图像进行数据增强处理以得到包括旋转角度特征的输入数据；将所述输入数据输入到神经网络中以提取标志图像的与旋转角度无关的特征；通过所述神经网络，基于预定义的损失函数对所述与旋转角度无关的特征进行学习以训练标志图像识别模型；使用所述标志图像识别模型识别标志图像。2.根据权利要求1所述的方法，其特征在于，对待输入的标志图像进行数据增强处理以得到包括旋转角度特征的输入数据包括：对待输入的标志图像进行随机多角度的旋转以进行数据增强处理，得到包括旋转角度特征的输入数据。3.根据权利要求1所述的方法，其特征在于，所述神经网络包括用于学习所述与旋转角度无关的特征的全连接特征层；并且，通过所述神经网络，基于预定义的损失函数对所述与旋转角度无关的特征进行学习包括：通过所述神经网络包括的用于学习所述与旋转角度无关的特征的全连接特征层，基于预定义的损失函数对所述与旋转角度无关的特征进行学习。4.根据权利要求1或3所述的方法，其特征在于，所述标志图像识别模型为分类模型，所述预定义的损失函数包括分类损失函数和旋转角度无关损失函数。5.根据权利要求4所述的方法，其特征在于，所述分类损失函数为基于度量学习的损失函数；所述旋转角度无关损失函数为基于欧氏距离计算的损失函数，所述旋转角度无关损失函数为：其中，fc2即指的是FC-2层，O
fc2-i
为所述标志图像经过角度旋转后的第i个样本经过所述神经网络包括的用于学习所述与旋转角度无关的特征的全连接特征层FC-2层的输出特征；Average(O
fc2
)为所述标志图像经过角度旋转后的所有样本经过所述神经网络包括的用于学习所述与旋转角度无关的特征的全连接特征层FC-2层的输出特征的平均值；N为所述标志图像经过角度旋转后的样本个数，i∈[1,N]；为所述输出特征与所述输出特征的平均值之间的欧氏距离；为FC-2层的所有样本的输出特征与所述输出特征的平均值之间的欧氏距离之和。6.一种标志图像的识别装置，其特征在于，包括：数据处理模块，用于对待输入的标志图像进行数据增强处理以得到包括旋转角度特征的输入数据；特征提取模块，用于将所述输入数据输...

【专利技术属性】
技术研发人员：谢树雷，赖荣凤，梅涛，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：