[发明专利]一种基于目标检测和度量学习的logo检测方法

权利要求书

1.一种基于目标检测和度量学习的logo检测方法，其特征在于，利用目标检测技术检测图片中候选logo目标，利用度量学习技术对候选logo目标进行特征提取，最后通过logo检索对候选logo进行判别，确定其类别，具体包括如下步骤：

步骤S1，构建与训练logo检测模型，具体包括：

步骤S1-1，构造logo检测数据集，所述Logo检测数据集中的商品图片取自logo数据库，所述logo数据库为LogoDet-3K；

步骤S1-2，构建与训练logo检测模型，所述logo检测模型是基于yolov5目标检测算法进行开发的二分类模型，用于检测图片中是否含有logo；

步骤S2，构建与训练logo特征提取模型，具体包括：

步骤S2-3，构造logo分类数据集；

步骤S2-4，构建与训练logo特征提取模型，所述logo特征提取模型是基于度量学习构建的，输入logo分类数据集用于训练，所述logo特征提取模型训练完成后，将最后一个卷积层的特征取出作为图片特征；

步骤S2-5，构造logo检索图片库用于候选logo检索判断；

步骤S2-6，提取logo检索图片库中的logo图片的特征向量，将所述logo图片输入logo特征提取模型，输出并保存相应的特征向量用于检索；

步骤S3，检测待检测图片中是否存在候选logo目标，若存在，则进一步提取logo图片特征，并与logo检索图片库对比，确定是否是logo检索图片库中的logo类别；

步骤S3-7，用训练好的logo检测模型对待检测图片进行检测，得到候选logo的位置，将候选logo从原图中截取；

步骤S3-8，将截取的候选logo的图片分辨率缩放到256*256，输入logo特征提取模型进行特征提取得到特征向量，计算候选logo的特征向量与步骤S2-6中logo检索图片库保存的特征向量的余弦相似度，根据余弦距离返回最近的10个样本，其中余弦距离的定义如下：

其中A、B分别为向量A和B的特征向量，通过样本投票确定logo图片的类别。

2.如权利要求1所述的一种基于目标检测和度量学习的logo检测方法，其特征在于：所述步骤S1-2中还包括，将logo检测数据集中的商品图片送入logo检测模型中进行训练时，品牌类别全部改为单一类别，设置标签为logo，将logo检测模型的类别置信度参数设置为0.2。

3.如权利要求2所述的一种基于目标检测和度量学习的logo检测方法，其特征在于：所述步骤S2-3中构造logo分类数据集，选取500个品牌，每个品牌截取200张logo图片，所述logo图片大小都重置为256*256。

4.如权利要求3所述的一种基于目标检测和度量学习的logo检测方法，其特征在于：所述步骤S2-5中，logo特征提取模型基于efficientnet算法构建，针对所述最后一个卷积层的特征，通过Avgpooling将特征转换为1792维度的特征，训练损失基于ArcFace算法,其数学表达式如下:

5.如权利要求4所述的一种基于目标检测和度量学习的logo检测方法，其特征在于：所述步骤S3-8中，所述样本投票规则为：余弦距离返回最近的10个样本，若所属类别为同一类的数目不小于7且最大相似值大于0.6，则待检测logo类别确定为投票类别，否则待检测logo无具体类别。

6.如权利要求5所述的一种基于目标检测和度量学习的logo检测方法，其特征在于：所述步骤S2-5中，ArcFace算法的超参数配置为：权重s为30，margin为0.5，模型训练初始学习率为1e-4。