一种商标标注方法、装置、电子设备以及存储介质制造方法及图纸

本发明专利技术实施例提供了一种商标标注方法、装置、电子设备以及存储介质，该方法包括：通过获取多个预设商标数据集并训练得到第一标注模型，对新增商标数据进行预标注并得到饱和标注结果，依据饱和标注结果对第一标注模型进行训练得到第二标注模型，最终基于该第二标注模型对待检测图像进行标注。这样，避免了对商标认知不一致导致的标注问题，使得对商标的认知更加统一、规范，使得第二标注模型对于各个商标认知和识别的范围扩大，提高了商标检测涵盖的品类和样式，扩大了商标标注的范围；能够提高第二识别模型的召回率；第二识别模型的认知、识别范围更广，可复用性较强，可以灵活移植到其他通同的商标标注场景中，模型的通用性较强。强。强。

A trademark marking method, device, electronic device and storage medium

【技术实现步骤摘要】
一种商标标注方法、装置、电子设备以及存储介质


[0001]本专利技术涉及目标检测
，特别是涉及一种商标标注方法、装置、电子设备以及存储介质。

技术介绍

[0002]随着人工智能的飞速发展，基于人工智能技术的各项应用已经越来越渗入到各项生产生活中，大大有效地提升了社会生产力。计算机视觉作为人工智能的一个重要研究分支，近年来已取得较大的发展，成为工业领域应用相对较为成熟的一朵金花，尤其目标检测技术已逐步发展为视觉任务中重要的一环。
[0003]目前，目标检测技术的精度主要受制于人工标注的数据质量，如何有效地提高人工标注的质量，关系着最终产出模型的精度指标，也将直接影响产品的质量高低。
[0004]现有技术中，大多数采用有监督的形式进行模型训练，采用单模型反哺或选用自跟踪等技术对商标(LOGO)进行智能标注，这种形式的商标标注，最终标注的结果取决于单个模型的效果，对商标标注的认知范围往往局限于固定类别；并且标注模型的通用性不高，无法灵活应用至多样化的商标标注场景中。

技术实现思路

[0005]本专利技术实施例提供一种商标标注方法、装置、电子设备及存储介质，以解决现有技术中商标标注范围局限于固定类别并且商标标注模型通用性不高的问题。
[0006]为了解决上述问题，本专利技术实施例是这样实现的：
[0007]第一方面，本专利技术实施例公开了一种商标标注方法，包括：
[0008]获取多个预设商标数据集，并基于所述预设商标数据集对初始模型进行训练，得到各个预设商标数据集所对应的第一标注模型；
[0009]获取新增商标数据，并基于各个所述第一标注模型对所述新增商标数据进行标注，得到所述新增商标数据对应的预标注结果；所述新增商标数据包括所述预设商标数据集中的预设商标数据；
[0010]对所述预标注结果进行修正，得到所述新增商标数据对应的饱和标注结果；
[0011]基于所述新增商标数据对应的饱和标注结果对所述第一标注模型进行训练，得到第二标注模型；
[0012]基于所述第二标注模型对待检测图像进行标注，得到包括目标标注结果的目标图像。
[0013]可选的，在所述基于所述第二标注模型对待检测图像进行标注，得到包括目标标注结果的目标图像之后，所述方法还包括：
[0014]将所述包括目标标注结果的目标图像添加至所述预设商标数据集中，以更新所述预设商标数据集。
[0015]可选的，所述预标注结果包括图像数据中的多个商标标注框；所述对所述预标注
结果进行修正，包括：
[0016]确定所述图像数据中的非商标图形，并删除所述非商标图形的商标标注框；和/或
[0017]针对所述图像数据中的商标图形，删除冗余的商标标注框并仅保留其中一个商标标注框。
[0018]可选的，所述删除冗余的商标标注框并仅保留其中一个商标标注框，包括：
[0019]确定多个商标标注框的重叠面积并确定所述至少两个商标标注框分别对应的目标评分；
[0020]在所述重叠面积大于预设阈值的情况下，保留所述目标评分最高的商标标注框并删除其余的商标标注框。
[0021]可选的，在所述基于所述预设商标数据集对初始模型进行训练之前，所述方法还包括：
[0022]将所述预设商标数据集中的预设商标数据按照预设方式进行扩增；所述预设方式包括图像色彩变换、空间变换、图像亮度调整、图像模糊、图像饱和度调整以及生成对抗网络其中至少一种。
[0023]第二方面，本专利技术实施例公开了一种商标标注装置，包括：
[0024]第一训练模块，用于获取多个预设商标数据集，并基于所述预设商标数据集对初始模型进行训练，得到各个预设商标数据集所对应的第一标注模型；
[0025]第一标注模块，用于获取新增商标数据，并基于各个所述第一标注模型对所述新增商标数据进行标注，得到所述新增商标数据对应的预标注结果；所述新增商标数据包括所述预设商标数据集中的预设商标数据；
[0026]修正模块，用于对所述预标注结果进行修正，得到所述新增商标数据对应的饱和标注结果；
[0027]第二训练模块，用于基于所述新增商标数据对应的饱和标注结果对所述第一标注模型进行训练，得到第二标注模型；
[0028]第二标注模块，用于基于所述第二标注模型对待检测图像进行标注，得到包括目标标注结果的目标图像。
[0029]可选的，所述装置还包括：
[0030]添加模块，用于将所述包括目标标注结果的目标图像添加至所述预设商标数据集中，以更新所述预设商标数据集。
[0031]可选的，所述预标注结果包括图像数据中的多个商标标注框；所述修正模块，具体用于：
[0032]确定所述图像数据中的非商标图形，并删除所述非商标图形的商标标注框；和/或
[0033]针对所述图像数据中的商标图形，删除冗余的商标标注框并仅保留其中一个商标标注框。
[0034]可选的，所述修正模块，还具体用于：
[0035]确定所述多个商标标注框的重叠面积并确定所述至少两个商标标注框分别对应的目标评分；
[0036]在所述重叠面积大于预设阈值的情况下，保留所述目标评分最高的商标标注框并删除其余的商标标注框。
[0037]可选的，所述装置还包括：
[0038]扩增模块，用于将所述预设商标数据集中的预设商标数据按照预设方式进行扩增；所述预设方式包括图像色彩变换、空间变换、图像亮度调整、图像模糊、图像饱和度调整以及生成对抗网络其中至少一种。
[0039]第三方面，本专利技术实施例还提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述的商标标注的步骤。
[0040]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现第一方面所述的商标标注的步骤。
[0041]在本专利技术实施例中，通过获取多个预设商标数据集并训练得到第一标注模型，之后对新增商标数据进行预标注并得到饱和标注结果，并依据饱和标注结果对第一标注模型进行进一步训练得到第二标注模型，最终基于该第二标注模型对待检测图像进行标注。这样，通过获取多个预设商标数据集进行训练，避免了对商标认知不一致导致的标注问题，使得对商标的认知更加统一、规范，同时使得第二标注模型对于各个商标认知和识别的范围扩大，提高了商标检测涵盖的品类和样式，扩大了商标标注的范围；并且，基于饱和标注结果进行迭代训练，能够提高第二识别模型的召回率，提高了商标识别的准确度；此外，第二识别模型的认知、识别范围更广，可复用性较强，可以灵活移植到其他通同的商标标注场景中，模型的通用性较强。
附图说明
[0042]图1示出了本专利技术实施例的一种商标标注方法的步骤流程图；
[0043]图2示出了本专利技术实施例的一种预标注结果修正的示意图；
[0044]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商标标注方法，其特征在于，包括：获取多个预设商标数据集，并基于所述预设商标数据集对初始模型进行训练，得到各个预设商标数据集所对应的第一标注模型；获取新增商标数据，并基于各个所述第一标注模型对所述新增商标数据进行标注，得到所述新增商标数据对应的预标注结果；所述新增商标数据包括所述预设商标数据集中的预设商标数据；对所述预标注结果进行修正，得到所述新增商标数据对应的饱和标注结果；基于所述新增商标数据对应的饱和标注结果对所述第一标注模型进行训练，得到第二标注模型；基于所述第二标注模型对待检测图像进行标注，得到包括目标标注结果的目标图像。2.根据权利要求1所述的方法，其特征在于，在所述基于所述第二标注模型对待检测图像进行标注，得到包括目标标注结果的目标图像之后，所述方法还包括：将所述包括目标标注结果的目标图像添加至所述预设商标数据集中，以更新所述预设商标数据集。3.根据权利要求1所述的方法，其特征在于，所述预标注结果包括图像数据中的多个商标标注框；所述对所述预标注结果进行修正，包括：确定所述图像数据中的非商标图形，并删除所述非商标图形的商标标注框；和/或针对所述图像数据中的商标图形，删除冗余的商标标注框并仅保留其中一个商标标注框。4.根据权利要求3所述的方法，其特征在于，所述删除冗余的商标标注框并仅保留其中一个商标标注框，包括：确定所述多个商标标注框的重叠面积并确定所述至少两个商标标注框分别对应的目标评分；在所述重叠面积大于预设阈值的情况下，保留所述目标评分最高的商标标注框并删除其余的商标标注框。5.根据权利要求1所述的方法，其特征在于，在所述基于所述预设商标数据集对初始模型进行训练之前，所述方法还包括：将所述预设商标数据集中的预设商标数据按照预设方式进行扩增；所述预设方式包括图...

【专利技术属性】
技术研发人员：王二伟，王语斌，
申请(专利权)人：同盾科技有限公司，
类型：发明
国别省市：