一种基于BP神经网络的产品商标鉴别方法及装置制造方法及图纸

本发明专利技术公开了一种基于BP神经网络的产品商标鉴别方法及装置，包括：获取用于鉴别的商标图片数据集，将数据集中每一个商标图片转化为RGB三通道矩阵像素数值；按照一定比例划分为训练集、验证集和测试集；构建BP神经网络预测模型；利用训练集对模型进行迭代训练，利用验证集对训练好的BP神经网络预测模型进行验证，并设置最小均方误差，当所述BP神经网络预测模型的学习精度满足最小均方误差时，得到用于商标鉴别的BP神经网络预测模型；将测试集输入至所述用于商标鉴别的BP神经网络预测模型，得到商标鉴别结果。本发明专利技术实现了对商标正盗版的识别分类，能显著增加智能筛选盗版商标的效率。率。率。

【技术实现步骤摘要】
一种基于BP神经网络的产品商标鉴别方法及装置


[0001]本专利技术属于识别
，具体涉及一种基于BP神经网络的产品商标鉴别方法及装置。

技术介绍

[0002]商标、LOGO作为一个公司、组织、品牌、产品的独一无二的符号，商家可以通过搜索、识别相关的商标，来分析其品牌在整个市场中的发展情况以及未来的发展趋势，同时可以帮助广告商来检查广告的有效性，以及是否存在版权侵权方面的问题。然而，由于互联网图片、视频数据的规模急剧增长，图片和视频中的产品商标的有效智能鉴别，已经成为一个不可回避的问题。
[0003]商标中包含文本、符号和图形等元素，目前商标检测中存在的主要难点包括:商标在图片中的位置、角度是不确定的，由于自然场景中各种印刷、照明、遮挡、旋转、裁剪、大小等因素，商标存在着很大变化以及商标的类内差异比较大，类间差异有的会比较小，容易带来误检。目前，现有商标识别中采用了一种基于Hu修正矩的特征提取算法，该方法针对商标的多种状态，比如旋转、缩放或平移时，所得到的修正矩值基本保持不变，具有一定的稳定性。针对商标识别过程中资源要求过高的问题，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的产品商标鉴别方法，其特征在于，具体包括如下步骤：步骤1，获取用于鉴别的商标图片数据集，将数据集中每一个商标图片转化为RGB三通道矩阵像素数值，得到商标图片处理数据集；步骤2，将步骤1所述商标图片处理数据集按照一定比例划分为训练集、验证集和测试集；步骤3，搭载BP神经网络运行软件环境，并构建BP神经网络预测模型；以商标图片的RGB三通道矩阵像素数值为输入，以包含商标真伪信息的单值数据为输出，建立商标图片的RGB三通道矩阵像素和包含商标真伪信息的单值的非线性映射；步骤4，将步骤2所述训练集作为步骤3所述BP神经网络预测模型的输入和预期输出，对所述BP神经网络预测模型进行迭代训练，直至损失函数值小于预设的阈值，得到训练好的BP神经网络预测模型；步骤5，将步骤2所述验证集对训练好的BP神经网络预测模型进行验证，并设置最小均方误差，当所述BP神经网络预测模型的学习精度满足最小均方误差时，得到用于商标鉴别的BP神经网络预测模型；步骤6，将步骤2所述测试集输入至所述用于商标鉴别的BP神经网络预测模型，得到商标鉴别结果。2.根据权利要求1所述的一种基于BP神经网络的产品商标鉴别方法，其特征在于，步骤3所述BP神经网络预测模型，包括1个输入层、8个隐含层和1个输出层，各层之间为全连接，且每个连接都存在一个加权值；所述8个隐含层中每一层神经元的个数配比分别为2048、1024、512、128、64、32、16和8；其中，隐含层的激活函数为tanh激活函数，输出层的激活函数为softmax函数。3.根据权利要求1所述的一种基于BP神经网络的产品商标鉴别方法，其特征在于，所述步骤4...

【专利技术属性】
技术研发人员：王一海，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：