本发明专利技术提供的一种商标检索模型的训练方法、商标检索方法及装置，应用于数据处理技术领域。其中，该商标检索模型的训练方法在采集第一商标图像时也可以采集类商标元素，由于商标通常由不同的图标、文字等类商标元素组成，因此，可以通过对类商标元素的组合、变换获得类商标图像，在此基础上，通过实际采集的第一商标图像，以及根据类商标元素获得的类商标图像进行卷积神经网络的训练，从而获得商标检索模型，其中，通过类商标元素生成的类商标图像有效扩充了训练数据的容量、种类，从而提升了商标检索模型对不同商标的理解、识别能力，降低了商标检索中误检的概率，提升了商标检索的准确性。准确性。准确性。
【技术实现步骤摘要】
商标检索模型的训练方法、商标检索方法及装置
[0001]本专利技术应用于数据处理
，特别是涉及一种商标检索模型的训练方法、商标检索方法及装置。
技术介绍
[0002]在商标识别、商标注册等场景中可以采用商标检索技术，对输入的商标图像进行分析并检索到相同、相近的商标样式。
[0003]商标检索技术一般通过对输入的待检索商标图片和已有商标图片进行比较，以确定待检索商标图片对应的商标样式。其中，待检索商标图片、已有商标图片通常是商标样式的图片特写，因此商标图片的特征受商标样式的形状、大小、材质等影响较大。但是，由于不同商标样式的图片特写采集成本较高，通常训练数据的容量较小，导致模型训练中无法充分学习效果较差，影响了检索的准确性。
技术实现思路
[0004]有鉴于此，本专利技术实施例提出一种商标检索模型的训练方法、商标检索方法及装置，用于解决商标检索中模型训练效果较差，导致检索准确性较低的问题。
[0005]本专利技术第一方面提供一种商标检索模型的训练方法，该方法可以包括：
[0006]采集第一商标图像以及类商标元素，所述类商标元素包括图标、文字中的至少一种；
[0007]对所述类商标元素进行组合和/或变换，获得类商标图像；
[0008]采用所述第一商标图像以及所述类商标图像训练卷积神经网络，获得商标检索模型。
[0009]可选地，所述类商标元素包括图标，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像，包括以下至少一种：
[0010]改变所述图标的线条样式，所述线条样式包括线条颜色、线条粗细中的至少一种；
[0011]改变所述图标的背景；
[0012]对至少两个所述图标进行重叠；
[0013]对至少两个所述图标进行拼接。
[0014]可选地，所述类商标元素包括文字，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像，包括以下至少一种：
[0015]改变所述文字的语言；
[0016]改变所述文字的文字样式，所述文字样式包括字体、字号、颜色中的至少一种；
[0017]改变所述文字的背景；
[0018]对至少两种所述文字进行重叠；
[0019]对至少两种所述文字进行拼接。
[0020]可选地，所述类商标图像的总量小于所述第一商标图像的总量。
[0021]可选地，所述类商标图像包括至少两种，不同种所述类商标图像包含的所述类商标元素不同。
[0022]可选地，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像之后，还包括：
[0023]分别对每种所述第一商标图像进行随机采样，使得不同种所述第一商标图像、所述类商标图像的最大数量小于或等于目标数量，所述目标数量小于或等于不同种所述第一商标图像、所述类商标图像的最小数量的预设倍数。
[0024]可选地，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像之后，还包括：
[0025]对所述第一商标图像以及所述类商标图像进行数据增强，所述数据增强包括旋转、翻转、缩放、裁剪、变色、模糊化、浮雕化中的至少一种。
[0026]可选地，所述采用所述第一商标图像以及所述类商标图像训练卷积神经网络，获得商标检索模型之前，还包括：
[0027]对所述卷积神经网络进行调整，所述调整包括以下至少一种：
[0028]增大所述卷积神经网络的输入尺寸；
[0029]降低所述卷积神经网络的下采样倍数；
[0030]增加所述卷积神经网络输出第一商标特征的维度，所述第一商标特征由所述卷积神经网络对所述第一商标图像及所述类商标图像进行特征提取得到。
[0031]依据本专利技术第二方面，提供一种商标检索方法，该方法可以包括：
[0032]获得第二商标图像；
[0033]采用商标检索模型对所述第二商标图像进行特征提取，获得第二商标特征，所述商标检索模型通过如权利要求第一方面所述的方法训练得到；
[0034]根据所述第二商标特征对所述第二商标图像进行检索，获得所述第二商标图像的检索结果。
[0035]依据本专利技术的第三方面，提供一种商标检索模型的训练装置，该装置可以包括：
[0036]第一数据采集模块，用于采集第一商标图像以及类商标元素，所述类商标元素包括图标、文字中的至少一种；
[0037]类商标生成模块，用于对所述类商标元素进行组合和/或变换，获得类商标图像；
[0038]模型训练模块，用于采用所述第一商标图像以及所述类商标图像训练卷积神经网络，获得商标检索模型。
[0039]可选地，所述类商标元素包括图标，所述类商标生成模块，包括：
[0040]线条样式子模块，用于改变所述图标的线条样式，所述线条样式包括线条颜色、线条粗细中的至少一种；
[0041]图标背景子模块，用于改变所述图标的背景；
[0042]商标重叠子模块，用于对至少两个所述图标进行重叠；
[0043]商标拼接子模块，用于对至少两个所述图标进行拼接。
[0044]可选地，所述类商标元素包括文字，所述类商标生成模块，包括：
[0045]文字内容子模块，用于改变所述文字的语言；
[0046]文字样式子模块，用于改变所述文字的文字样式，所述文字样式包括字体、字号、
颜色中的至少一种；
[0047]文字背景子模块，用于改变所述文字的背景；
[0048]文字重叠子模块，用于对至少两种所述文字进行重叠；
[0049]文字拼接子模块，用于对至少两种所述文字进行拼接。
[0050]可选地，所述类商标图像的总量小于所述第一商标图像的总量。
[0051]可选地，所述类商标图像包括至少两种，不同种所述类商标图像包含的所述类商标元素不同。
[0052]可选地，所述装置还包括：
[0053]数据采样模块，用于分别对每种所述第一商标图像进行随机采样，使得不同种所述第一商标图像、所述类商标图像的最大数量小于或等于目标数量，所述目标数量小于或等于不同种所述第一商标图像、所述类商标图像的最小数量的预设倍数。
[0054]可选地，所述装置还包括：
[0055]数据增强模块，用于对所述第一商标图像以及所述类商标图像进行数据增强，所述数据增强包括旋转、翻转、缩放、裁剪、变色、模糊化、浮雕化中的至少一种。
[0056]可选地，所述装置还包括：
[0057]模型调整模块，用于对所述卷积神经网络进行调整，所述调整包括以下至少一种：
[0058]增大所述卷积神经网络的输入尺寸；
[0059]降低所述卷积神经网络的下采样倍数；
[0060]增加所述卷积神经网络输出第一商标特征的维度，所述第一商标特征由所述卷积神经网络对所述第一商标图像及所述类商标图像进行特征提取得到。
[0061]依据本专利技术的第四方面，提供一种商标检索装置，该装置可以包括：...
【技术保护点】
【技术特征摘要】
1.一种商标检索模型的训练方法，其特征在于，所述方法包括：采集第一商标图像以及类商标元素，所述类商标元素包括图标、文字中的至少一种；对所述类商标元素进行组合和/或变换，获得类商标图像；采用所述第一商标图像以及所述类商标图像训练卷积神经网络，获得商标检索模型。2.根据权利要求1所述的方法，其特征在于，所述类商标元素包括图标，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像，包括以下至少一种：改变所述图标的线条样式，所述线条样式包括线条颜色、线条粗细中的至少一种；改变所述图标的背景；对至少两个所述图标进行重叠；对至少两个所述图标进行拼接。3.根据权利要求1所述的方法，其特征在于，所述类商标元素包括文字，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像，包括以下至少一种：改变所述文字的语言；改变所述文字的文字样式，所述文字样式包括字体、字号、颜色中的至少一种；改变所述文字的背景；对至少两种所述文字进行重叠；对至少两种所述文字进行拼接。4.根据权利要求1所述的方法，其特征在于，所述类商标图像的总量小于所述第一商标图像的总量；所述类商标图像包括至少两种，不同种所述类商标图像包含的所述类商标元素不同。5.根据权利要求1所述的方法，其特征在于，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像之后，还包括：分别对每种所述第一商标图像进行随机采样，使得不同种所述第一商标图像、所述类商标图像的最大数量小于或等于目标数量，所述目标数量小于或等于不同种所述第一商标图像、所述类商标图像的最小数量的预设倍数。6.根据所述权利要求1所述的方法，其特征在于，所述对所述类商标元素进行组合和/或变换，获得所述类商标图像之后，还包括：对所述第一商标...
【专利技术属性】
技术研发人员：潘阳卉，王语斌，
申请(专利权)人：同盾网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。