一种基于深度哈希的商标检索方法技术

本发明专利技术公开了一种基于深度哈希的商标检索方法。首先根据现有的商标图形要素分类方法，构造商标检索数据库。其次将预设不同的分类与哈希中心关联，来获取优化中心相似度的哈希码。从而鼓励共享一个哈希中心的同要素类别图像在汉明空间中生成彼此靠近的哈希码。然后选取在ImageNet数据集上训练好的卷积神经网络结合哈希层。在确定哈希中心后，实现两者端到端的训练。最后根据生成的哈希码通过汉明距离计算返回图像。本发明专利技术将深度特征通过深度散列方法，将图像深度特征转换为在汉明空间的哈希码。将高维的商标图像特征比较转换在汉明空间的汉明距离大小的比较来检索同类或服务群的商标，可以提高商标检索效率、降低人工资源。

【技术实现步骤摘要】
一种基于深度哈希的商标检索方法
：本专利技术涉及人工智能技术中的知识产权数据中商标检索方法领域，具体涉及基于深度哈希的商标检索方法。
技术介绍
：商标作为商品和厂家的重要标志，是具有高声誉价值的独特视觉符号，不仅代表着商家的名誉，还象征着商品质量，是用来传达制造商家想要维护的质量、创新和标准的某种保证。进入新经济时代，我国市场主体数量持续快速增长，商标注册便利化改革带动商标申请量快速提升。据统计，从2015年，我国的商标申请量已经连续14年居世界首位，到2021年累计有效注册量已达28393188件。仅仅2020一年，全国各企业提出商标申请总量9116454件，其中注册件数为5576545件。由此我们可以得知近一半的商标申请无法通过检索得到注册。当前，我国正在经济高速增长的年代，企业法人和生产者的知识产权意识逐渐提高，商标的注册申请量开始快速增长。通过对中国商标网的数据进行统计，截止到2020年12月15号商标累积有效注册量已达2839.3万件，数量之众，每年百万增幅的商标申请增幅量。据中国商标网近五年的商标注册量统计分析，我们本文档来自技高网...

【技术保护点】
1.一种基于深度哈希的商标检索方法，其特征在于,包括如下步骤：/nS1构建商标的数据库，将经过图形要素检索的图像库按图形要素分类，进行分类构建商标数据库，将商标分为训练集和测试集两部分；/ns2使用商标数据集对深度神经网络进行训练，并更新网络参数，直到网络的损失函数趋于收敛状态；/ns3通过确定的哈希中心结合监督的信息，进行端到端的学习，从而生成以优化中心相似度为目标的哈希码，并建立相应的特征库；/ns4将待检索的商标图像和监督信息输入已训练好的深度散列模型，获得该商标图像的类别和哈希码；/ns5在汉明空间中，比较待检索的商标图像和对应类别中的商标图像哈希码的汉明距离，从而加快检索效率；/ns...

【技术特征摘要】
1.一种基于深度哈希的商标检索方法，其特征在于,包括如下步骤：
S1构建商标的数据库，将经过图形要素检索的图像库按图形要素分类，进行分类构建商标数据库，将商标分为训练集和测试集两部分；
s2使用商标数据集对深度神经网络进行训练，并更新网络参数，直到网络的损失函数趋于收敛状态；
s3通过确定的哈希中心结合监督的信息，进行端到端的学习，从而生成以优化中心相似度为目标的哈希码，并建立相应的特征库；
s4将待检索的商标图像和监督信息输入已训练好的深度散列模型，获得该商标图像的类别和哈希码；
s5在汉明空间中，比较待检索的商标图像和对应类别中的商标图像哈希码的汉明距离，从而加快检索效率；
s6检索结果按照汉明距离从小到大进行排序，并将商标图形进行输出。


2.根据权利要求1所述的基于深度哈希的商标检索方法，其特征在于：S1包含：
s11.预训练卷积神经网络构建与初始化：选择在ImageNet数据集上已经训练好的卷积神经网络作为预训练网络，并将改数据集上训练得到的网络参数作为预训练网络的初始化参数；
s12.将初步通过图形要素检索得到的图形商标按照图形要素进行分类，按现有的图形要素分类总共为29类别；构建图形商标图像数据集构成训练集。其次将待检索图形商标按照申请文件的图形要素分类进行整理分类标记构成测试数据集；
s13.使用商标图像数据库对深度卷积神经网络微调：将整理好的商标图像数据集输入构建的网络框架，对网络权重参数进行更新，直至网络的损失函数接近收敛状态；
s14.使用微调后的新网络提取商标图像的深度特征：将预处理后的商标训练数据集输入与训练深度卷积神经网络进行训练，并结合哈希层，通过卷积层学习数据特征，哈希层来产生哈希码，在确定哈希中心后，对卷积神经网络和哈希层实现端到端的学习，即实现...

【专利技术属性】
技术研发人员：袁涛，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：广东;44