[发明专利]一种商标图像检索的方法

权利要求书

1.一种商标图像检索的方法，其特征在于，包括步骤：

S1、生成包含商标图像的商标数据库；

S2、根据所述商标数据库中的商标图像对卷积神经网络模型进行训练，得到稳定的卷积神经网络模型；

S3、将所述商标数据库中的商标图像输入所述稳定的卷积神经网络模型，得到商标特征库；

S4、将待检索的商标图像输入所述稳定的卷积神经网络模型，得到待检索商标特征；

S5、根据所述待检索商标特征在所述商标特征库中获取候选商标图像；

S6、获取所述候选商标图像的前L张商标图像，根据所述前L张商标图像的商标特征，在所述商标特征库中获取与所述待检索商标匹配的商标图像，L为正整数；

步骤S6具体包括步骤：

S61、对所述L张候选商标图像根据相似度由大到小进行排序，得到前m张候选商标图像和后n张候选商标图像，其中，m+n≤L；

S62、对所述后n张候选商标图像的特征向量进行求和并计算均值，得到向量y，令所述待检索商标图像的特征向量为x；

S63、分别计算所述前m张候选商标图像中每一张候选商标图像的特征向量与向量x和向量y之间的距离，分别记为dx和dy，判断所述dx和dy大小，得到正样本商标图像；

S63、对所述正样本商标图像的特征向量进行求和并计算均值，得到向量z；

S64、根据所述向量z，在所述商标特征库中获取与所述待检索商标图像匹配的商标图像。

2.根据权利要求1所述的商标图像检索的方法，其特征在于，

步骤S1具体包括：

将商标图像进行分类，生成包含不同类别的商标图像的商标数据库；

步骤S3具体包括：

S31、将所述商标数据库中包含的不同类别的商标图像输入所述稳定的卷积神经网络模型，得到商标图像的特征向量；

S32、根据所述商标图像的特征向量，构建包含不同类别的商标特征的商标特征库。

3.根据权利要求1所述的商标图像检索的方法，其特征在于，

步骤S2具体包括：

S21、将所述商标数据库中的商标图像输入Alex卷积神经网络模型，得到所述Alex卷积神经网络模型的损失值；

S22、根据所述Alex卷积神经网络模型的损失值，判断所述Alex卷积神经网络模型是否稳定，若不稳定，则返回步骤S21直至所述Alex卷积神经网络模型稳定。

4.根据权利要求3所述的商标图像检索的方法，其特征在于，

所述步骤S22中根据所述Alex卷积神经网络模型的损失值，判断所述Alex卷积神经网络模型是否稳定具体包括：

判断所述损失值是否低于第一预设值，若是，则判断所述Alex卷积神经网络模型稳定，否则，判断所述Alex卷积神经网络模型不稳定。

5.根据权利要求2所述的商标图像检索的方法，其特征在于，

步骤S4还包括将待检索的商标图像输入所述稳定的卷积神经网络模型，根据Alex卷积神经网络模型对应的输出图像在不同类别的商标图像上的概率分布，得到所述待检索商标图像所属的类别；

所述步骤S5具体包括：

根据所述待检索商标特征和所述待检索商标图像所属的类别在同类别的商标特征库中获取候选商标图像。

6.根据权利要求5所述的商标图像检索的方法，其特征在于，

所述步骤S5中在同类别的商标特征库中获取候选商标图像具体包括：

计算所述待检索商标图像的特征向量和同类别的商标特征库中商标图像的特征向量之间的距离，根据所述距离，得到待检索商标图像与商标特征中的商标图像的相似度；

获取相似度大于第二预设值的商标图像作为候选商标图像。

7.根据权利要求1所述的商标图像检索的方法，其特征在于，

所述步骤S63中判断所述dx和dy大小，得到正样本商标图像具体包括：

若dx小于dy，则所述候选商标图像为正样本商标图像，否则，所述候选商标图像为负样本商标图像。