[发明专利]一种外观设计专利多视图特征表示、检索的方法及装置

说明书

本发明公开了一种外观设计专利多视图特征表示、检索的方法及装置。首先选取在ImageNet数据集上训练好的卷积神经网络，并迁移到外观专利数据库进行微调，微调后的新网络用于提取各视图的深度特征；其次根据外观专利各视图之间的关系，构造具有关联信息的图结构Graph特征；然后将深度特征和图结构Graph特征输入图神经网络进行训练，获得外观专利分类器；最后将待匹配外观专利深度特征和Graph特征输入图神经网络分类器，在类内根据图的表征向量h_G的相似度返回匹配外观专利。本发明通过构造外观专利的图结构特征，并将深度特征和图结构特征通过训练好的图神经网络进行融合、分类，可以提高外观专利检索的准确度和检索效率。

技术领域

本发明涉及人工智能技术中的知识产权数据检索领域，具体涉及一种外观设计专利多视图特征表示、检索的方法及装置。

背景技术

当前，我国已把创新摆在国家发展全局的核心位置；知识产权创造、运用、保护和管理的能力是创新的源头和重要保障。近年来，国家创新驱动发展战略扎实、有序地推进，给国内知识产权服务业迎来了历史性的机遇，同时也带来挑战：经统计2018年国内专利申请量为414.68万件，授权量为233.54万件，其中外观设计专利的申请量为68.91万件，授权量为51.77万件，占专利申请、授权的比例分别为16.6％和22.2％，按照每个外观设计专利有7个视图计算，2018年新增482.37万张外观专利图，依此速度增长，将会给专利的管理、检索等带来巨大的困难。电商的快速发展深刻地提升了生产和生活方式，但也给知识产权保护带来了问题：就产品而言，人们首先关注产品的外观，判断某产品是否有侵权的嫌疑，通常会将电商产品的外观图像与外观设计专利图像库进行关联检索。因此，解决上述问题的核心是优化外观设计专利的特征表示和检索技术，是一个非常有实际意义同时也是非常有挑战性的工作。

目前实际应用的外观设计专利图像检索系统主要有两种检索方案。第一类方案主要是基于文本的图像检索技术(TBIR,Text Based Image Retrieval)，如通过输入专利号、专利发明人、专利名称等关键字检索。由于我国《专利审查指南》规定“外观设计专利权保护范围以表示在图片或者照片中的该外观设计专利产品为准”，因此，外观设计专利的主要信息载体为各个视图的图像，利益相关方往往更关注的是图像内容。基于文本的图像检索技术的缺陷在于无法使用合适的文本来描述相应的图像，往往满足不了检索精准的需求，从而导致检索结果偏差较大。

第二类方案主要是基于内容的图像检索技术(CBIR,Content based ImageRetrieval)，传统外观设计专利图像特征描述中，主要有通过外观专利图像的特点人为设计底层特征表示，或者通过边界方向直方图算法、Garbor滤波算法等特征提取算子获取图像的形状特征、纹理特征，同时将多种特征的距离加权融合来表示图像之间的相似度，而这些方法将外观设计专利各个视图当作独立的图像进行特征表示，导致检索效果不佳。近年来，针对外观设计专利具有图像和文本描述的特点，提出结合语义特征的外观专利图像多模态检索，但此方法并未考虑外观设计专利多视图关联的内部结构特征，检索效率也将大打折扣；同时，针对外观设计专利通常有主视图、后视图、左视图、右视图、俯视图、仰视图、立体图等7个视图描述外观设计专利的视觉内容，并且这7个视图之间具有强关联结构信息的特点，提出使用深度学习的多视图检索方法，但该方法只是将多个视图的特征进行简单的融合，并未考虑外观设计专利多视图之间的结构关联关系，而且网络架构非常复杂，存在大量的待训练参数，计算量巨大。

发明内容

针对上述技术中存在的问题，本发明的目的在于提供一种外观设计专利多视图特征表示、检索的方法及装置，以解决现有外观设计专利检索方案存在未能将各视图的视觉特征与各视图之间的结构关联关系进行有机融合的特征表示、检索计算量大等问题，从而提高外观设计专利检索的准确度和检索效率。

为解决上述技术问题，本发明通过以下技术方案实现：

本发明所述一种外观设计专利多视图特征表示的方法，包括如下步骤：