【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种基于多尺度商标元素识别网络的商标图元检测方法。
技术介绍
1、商标通过其独特的文字、图形等元素区分不同商品或服务，并受到法律保护。
2、以往基于人工特征算子的商标检测算法不仅检测精度低，而且计算过程复杂，且泛化能力不足。随着卷积神经网络的兴起，采用深度学习技术进行商标检测的方法已经大幅度超越了传统基于人工特征算子的算法。基于深度学习模型的商标检测属于目标检测领域，现有的目标检测方法有yolo、ssd、detr等，但这些方法有一定的局限性，对于复杂的商标图像以及其中的小目标检测效果较差。本专利技术的贡献在于依据商标侵权的背景下，为商标的准确识别提供一个基于多尺度商标元素识别网络的商标图元检测方法。
技术实现思路
1、本专利技术的目的在于针对现有技术的不足，提供一种基于多尺度商标元素识别网络的商标图元检测方法。
2、本专利技术的目的是通过以下技术方案来实现的：
3、一种基于多尺度商标元素识别网络的商标图元检测方法，其特征...
【技术保护点】
1.一种基于多尺度商标元素识别网络的商标图元检测方法，其特征在于，该方法具体包括如下步骤：
2.根据权利要求1所述的基于多尺度商标元素识别网络的商标图元检测方法，其特征在于，所述的S2中，在Resnet50特征提取中加入了综合对象感知注意力模块，综合对象感知注意力模块由空间注意力机制和全局注意力机制融合而成。其通过双重注意力机制捕获丰富的特征表示，并聚焦于关键特征。为捕获微小及多样化的商标元素提供了至关重要的高分辨率细节及更广泛的上下文信息，增强了对复杂图像的理解。空间注意力机制的数学表达式为：
3.根据权利要求1所述的基于多尺度商标元素识别网...
【技术特征摘要】
1.一种基于多尺度商标元素识别网络的商标图元检测方法，其特征在于，该方法具体包括如下步骤：
2.根据权利要求1所述的基于多尺度商标元素识别网络的商标图元检测方法，其特征在于，所述的s2中，在resnet50特征提取中加入了综合对象感知注意力模块，综合对象感知注意力模块由空间注意力机制和全局注意力机制融合而成。其通过双重注意力机制捕获丰富的特征表示，并聚焦于关键特征。为捕获微小及多样化的商标元素提供了至关重要的高分辨率细节及更广泛的上下文信息，增强了对复杂图像的理解。空间注意力机制的数学表达式为：
3.根据权利要求1所述的基于多尺度商标元素识别网络的商标图元检测方法，其特征在于，所述的s2中的商标多尺度特征融合金字塔模块，对于从resnet50提取到的特征图c3、c4、c5通过一系列1x1的卷积层进行通道数统一，为接下来的融合做准备。接着，使用上采样操作，将c5的特征图尺寸上采样至c4的尺寸，并与c4进行元素级加法操作，获得丰富的语义信息。同理，此后的c4再上采样至c3的尺寸，并与c3融合，进一步增强特征的表达能力。在此基础上，我们引入3x3的卷积层来进一步整合融合后的特征图，以增强其空间细节的表示能力。融合完成后，为了捕获更精细的特征并强化模型的小目...
【专利技术属性】
技术研发人员：李龙文，王修晖，周文超，周博秀，王佳欣，
申请(专利权)人：中国计量大学，
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。