公开(公告)号：CN118152604A

公开(公告)日：2024-06-07

申请号：CN202410065994.9

申请日：2024-01-16

Applicant: 中国计量大学

Inventor： 周文超 ,  王修晖 ,  周博秀 ,  李龙文 ,  王佳欣

IPC: G06F16/583 ,  G06V10/42 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开一种无参卷积自注意和特征视图集成的商标检索方法，使用无参卷积自注意模块对预处理后的商标图像进行特征提取，经过特征投影、特征聚合以及输出整合，最终输出为三维张量。随后被输入到多分支特征视图集成模块，第一条分支经过批量归一化处理，通过全连接层并应用Softmax层以计算分类损失。其他分支串联不同层级的特征，得到的最终特征表示用于计算排序损失，分类损失与排序损失的总和得到最终损失通过反向传播更新网络参数。相对基于传统卷积神经网络的商标检索方法，本发明实现的商标图像检索效率和精度更高。

公开(公告)号：CN118314561A

公开(公告)日：2024-07-09

申请号：CN202410308856.9

申请日：2024-03-18

Applicant: 中国计量大学

Inventor： 王佳欣 ,  王修晖 ,  周文超 ,  李龙文 ,  周博秀

IPC: G06V20/60 ,  G06V10/25 ,  G06V10/44 ,  G06V10/74 ,  G06V10/82 ,  G06V10/80 ,  G06V10/771 ,  G06V10/52 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于多尺度特征融合和卷积注意力的商标检测与分类算法。该算法模型包括：获取待检测商标图像；将待检测商标图像输入至监督学习机制的商标检测与分类模型中，进行图像的特征提取与Anchor Boxes设计，根据输出的生成结果来预测后续不同尺度目标的位置和大小；之后，根据不同尺度的目标框将特征图划分到不同的预测头，在预测头中计算并生成目标的类别概率、边界框的坐标信息及置信度等；在获得预测框后，应用非极大值抑制(NMS)算法来去除重叠较多的预测框，只保留置信度最高的目标框；最后在图像中绘制目标框并标记类别信息。相较传统的目标检测技术，本方法减少了漏检误检的情况，同时提高了检测的精度和效率。

公开(公告)号：CN118230306A

公开(公告)日：2024-06-21

申请号：CN202410331309.2

申请日：2024-03-21

Applicant: 中国计量大学

Inventor： 周博秀 ,  王修晖 ,  周文超 ,  李龙文 ,  王佳欣

IPC: G06V20/62 ,  G06V30/19 ,  G06V30/18 ,  G06V30/186 ,  G06V30/148 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于SwinTransformer的商标文本识别方法，首先获取一张商标文本图像，原始图像通过一个基于OTSU改进的FAST角点检测器来生成角点图，原始图像以及角点图分别通过一个带有金字塔(FPN)的SwinTransformer获取原始图像特征和角点图特征。原始图像特征通过自注意力机制学习图像的局部特征，然后通过交叉注意力机制与角点特征融合，以学习全局特征。编码器输出特征图，解码器则将该特征图放进softmax分类器进行文字预测，提取一系列字符。采用基于SwinTransformer作为骨干网络的特征提取器可以充分利用其先进的自注意力机制，更全面、准确地抽取关键的文本特征。引用角点查询机制，能够优先选择关键点区域，即文本中具有显著变化的位置，从而提高对重要特征的关注度。相对于其他自然场景的文本识别方法，本发明提高了在处理商标图像中变形字识别方面的鲁棒性。

公开(公告)号：CN118196507A

公开(公告)日：2024-06-14

申请号：CN202410330470.8

申请日：2024-03-21

Applicant: 中国计量大学

Inventor： 李龙文 ,  王修晖 ,  周文超 ,  周博秀 ,  王佳欣

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/52 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于多尺度商标元素识别网络的商标图元检测方法，专门针对商标中的图元元素进行精准检测和识别。通过融合空间注意力机制与全局注意力机制，有效捕获被检测图像中的关键特征。此外，该网络在其颈部结构中引入了一种商标多尺度特征融合金字塔模块，进一步提升模型的特征提取能力和对小目标的检测效率。相对其他现有的检测算法，本发明能够更准确地识别商标图像中的图元元素，检测精度也更高，为商标图元检测提供了新的思路与方向。