一种商标侵权检测识别方法和系统技术方案

本发明专利技术公开了一种商标侵权检测识别方法和系统，分别重构图形商标库以及待检测商品图形商标，以便于后续检测阶段特征信息的充分提取；然后输入侵权检测模型进行检测，并在侵权检测模型中设计了两个并行的检测子模型，即Siamese网络结构检测子模型和基于VGGNet和哈希技术的检测子模型，两个子模型并行检测，相互补充，弥补了单一检测模型的缺陷，提高了商标侵权判定的准确度。此外，基于区块链技术，在线上进行侵权证据的取证和存证，进一步提高了取证存证的效率和安全。

【技术实现步骤摘要】

本申请属于人工智能，尤其涉及一种商标侵权检测识别方法和系统。

技术介绍

1、在防止商标侵权的各种措施中，已有的措施例如通过执法人员在侵权认定中针对大量商标开展人工比对，存在耗时耗力的问题。另外，随着人工智能技术的发展，也有利用智能算法进行商标侵权检测，可以大大提高商标侵权检测的效率。

2、但是现有的智能商标侵权检测识别手段中缺乏对商标图片信息进行预处理，普遍存在检测过程中对商标图片特征信息提取不充足问题，例如，已有的商标侵权检测模型存在未考虑图片分辨率对侵权检测的影响，进而影响商标侵权检测识别率。此外现有的基于单一神经网络的商标侵权检测模型也会受限于单一算法的局限性，导致商标侵权检测识别准确度不高。

3、同时，现有技术中也存在多重神经网络对商标图片信息进行预处理，例如，申请号：202311871533.2的中国专利技术专利申请，该方案分为两级神经网络模型，当分辨率小于阈值时要放到第一神经网络模型和第二神经网络模型中分别处理，效率不高。

技术实现思路

1、针对现有技术中的缺陷，本专利技术本文档来自技高网...

【技术保护点】

1.一种商标侵权检测识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种商标侵权检测识别方法，其特征在于，其中所述生成对抗网络GAN由一组深度网络搭建的生成器和另一组深度网络搭建的判别器组成，在工作过程中，生成器负责将输入的噪声图片映射成服从真实图片分布的虚假图片，判别器则负责学习真实图片的特征，并分辨出输入进网络的图片是真实图片还是生成器生成的虚假图片，通过损失函数对输入进判别器的两张图片进行计算，根据计算出来的损失值进行反向更新GAN的权重，最终GAN收敛时输出超分辨率重构商标图片。

3.如权利要求2所述的一种商标侵权检测识别方法，其特征在于，其中...

【技术特征摘要】

1.一种商标侵权检测识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种商标侵权检测识别方法，其特征在于，其中所述生成对抗网络gan由一组深度网络搭建的生成器和另一组深度网络搭建的判别器组成，在工作过程中，生成器负责将输入的噪声图片映射成服从真实图片分布的虚假图片，判别器则负责学习真实图片的特征，并分辨出输入进网络的图片是真实图片还是生成器生成的虚假图片，通过损失函数对输入进判别器的两张图片进行计算，根据计算出来的损失值进行反向更新gan的权重，最终gan收敛时输出超分辨率重构商标图片。

3.如权利要求2所述的一种商标侵权检测识别方法，其特征在于，其中所述生成器具体由多个残差块组成，每个残差块组合了卷积层、批量归一化层和relu激活层，最后使用亚像素卷积层来实现图片尺寸的放大；所述判别器使用多个卷积块来进行特征提取，并采用leakyrelu 作为激活函数层。

4.如权利要求1所述的一种...

【专利技术属性】
技术研发人员：朱萍，徐楠轩，叶子昊，李裔，王乐，
申请(专利权)人：浙江方圆检测集团股份有限公司，
类型：发明
国别省市：