[发明专利]一种基于特征融合的Logo图像检测方法及系统

说明书

本公开提出了一种基于特征融合的Logo图像检测方法及系统，检测方法包括如下步骤：将待检测Logo图像进行特征提取；将提取的特征输入至融合多个异构信息路径的特征金字塔网络进行特征融合；将融合后的特征图输入至通过内卷的方式构建的区域生成网络，生成区域建议框；对区域建议框通过全连接层进行分类和定位，计算获得建议框的类别和最终的位置坐标。本公开优化和解决了现有模型特征提取能力不足和远距离信息关联缺乏等问题，以提高Logo检测的精度，更加适用于现实应用和场景。

技术领域

本公开涉及图像处理相关技术领域，涉及计算机视觉中的目标检测技术，尤其涉及一种基于特征融合的Logo图像检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

随着互联网的蓬勃发展，社交媒体中的信息爆炸式增长，而传达信息的方式变得多种多样。图片作为最常见、最直观、最高效的信息传递媒介，发挥着不可忽视的作用。Logo作为企业综合信息的视觉形象，它的多样化和独特性使得Logo检测技术在现实应用中的重要性逐渐显现，Logo检测在商品图像识别、车标智能识别、知识产权保护、文档分类检索等方面有着广阔的应用前景。因此，对于Logo检测方法的研究具有重要的意义和价值。

目前，通用目标检测的技术研究已经比较成熟，但是由于Logo图像商标类别的多样性、应用场景的复杂性、数据样本的不均衡性和大量商标处理的高难度性，使得Logo检测仍然是一项有挑战性的研究任务。在深度学习技术的基础上，各种识别和检测的算法逐渐涌现，Logo检测方法有了长足发展并且得到了广泛的应用。然而，由于Logo图像本身的特殊性，经过调研其仍然有目标尺寸变化大、Logo遮挡、形变诸多问题和难点等待进一步的优化和解决。

由于Logo图像种类的多样性和现实场景的复杂性，检测模型自身的特征提取能力不足，加之背景环境下存在的各种干扰，模型难以做出正确判断，从而造成检测精度的下降和漏检、错检情况的发生。现有的检测方法，如特征金字塔网络(feature pyramidnetworks，简称为FPN)，FPN虽然简单易用，但是随着目标检测领域的快速发展，它在效率和精确度等指标上已经不再是最优设计。除此之外，一部分Logo图像在图中占据的面积很大，如果我们可以将图片中距离很远的两点之间的信息进行提取，那么特征提取能力将会进一步提升，即远距离信息的提取对于特征提取能力的提升有着很大的作用，更远距离的特征依赖需要进行更深层次的特征提取才能获得理想的检测效果，对于检测网络的设计、计算机设备资源的要求就会更高，这就需要设计更加精巧的检测网络来解决这些问题。

发明内容

本公开为了解决上述问题，提出了一种基于特征融合的Logo图像检测方法及系统，优化和解决现有模型特征提取能力不足和远距离信息关联缺乏等问题，以提高Logo检测的精度，更加适用于现实应用和场景。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了一种基于特征融合的Logo图像检测方法，包括如下步骤：

将待检测Logo图像进行特征提取；

将提取的特征输入至融合多个异构信息路径的特征金字塔网络进行特征融合；

将融合后的特征图输入至通过内卷的方式构建的区域生成网络，生成区域建议框；

对区域建议框通过全连接层进行分类和定位，计算获得建议框的类别和最终的位置坐标。

一个或多个实施例提供了一种基于特征融合的Logo图像检测系统，包括：

特征提取模块：被配置为用于将待检测Logo图像进行特征提取；

特征融合模块：被配置为用于将提取的特征输入至融合多个异构信息路径的特征金字塔网络进行特征融合；