[发明专利]一种基于目标检测和度量学习的logo检测方法

说明书

本发明公开了一种基于目标检测和度量学习的logo检测方法，其特征在于：具体包括：步骤S1，构建与训练logo检测模型；步骤S2，构建与训练logo特征提取模型；步骤S3，检测待检测图片中是否存在候选logo目标，确定是否是logo检索图片库中的logo类别。可以高效的检测商品海报数据中的logo位置，确定logo的候选区域，新增品牌也可识别，实现冗余检测。无需对模型重新训练，可以更加有效地提高品牌logo特征抽取准确率。大大简化系统复杂度，同时通过logo检测提高召回率，通过logo特征抽取检索提高准确率，相比单一目标检测的方法，识别效果更好。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种基于目标检测和度量学习的logo检测方法。

背景技术

随着网络购物的发展，网页中商品图片的侵权问题也变得越来越严重。对于海量的商品图片，如果进行人工审核将耗费大量的人力物力，因此自动的logo侵权检测变得非常的重要。

现有技术中，对于存在侵权的logo，当类别数量较少的时候，通过目标检测就可以满足基本的需求，但是当侵权的logo类别不断扩大的时候，每次重新训练模型就会变得繁琐，同时浪费时间，因此logo检测模型的可扩展变得很重要。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供一种扩展性好且高效准确的logo检测方法。利用检测技术识别待检测图片中是否存在logo，然后通过基于度量学习的特征抽取模型提取logo图片特征，利用检索技术召回相似logo图片，通过投票来判别logo的类别。

为解决上述技术问题，本发明提供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：