[发明专利]一种基于Attention机制和卷积神经网络的快速商标图像检索方法有效
| 申请号： | 201810750096.1 | 申请日： | 2018-07-10 |
| 公开（公告）号： | CN108875076B | 公开（公告）日： | 2021-07-20 |
| 发明（设计）人： | 冯永;张英琦;尚家兴;强保华;邱媛媛 | 申请（专利权）人： | 重庆大学;桂林电子科技大学 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06N3/04 |
| 代理公司： | 重庆市前沿专利事务所(普通合伙) 50211 | 代理人： | 郭云 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Attention机制和卷积神经网络的快速商标图像检索方法，包括搭建Caffe深度学习开源框架，对开源VGG16网络模型进行训练；基于VGG16网络模型设计包含两层卷积层的Attention网络，并在训练好的VGG16网络模型中添加Attention网络；使用FlickrLogos‑32数据集中的训练集对添加了Attention网络的VGG16网络模型进行训练；基于训练好的添加了Attention网络的VGG16网络模型生成Attention‑MAC商标特征提取模型；基于Attention‑MAC商标特征提取模型对待查询商标图像进行检索，并生成检索结果。本发明避免使用全连接层冗余的参数，达到精简模型的目的，提高训练和检索的速度，降低误检率。 | ||
| 搜索关键词： | 一种 基于 attention 机制 卷积 神经网络 快速 商标 图像 检索 方法 | ||
【主权项】：
1.一种基于Attention机制和卷积神经网络的快速商标图像检索方法，其特征在于，所述方法包括如下步骤：S1、搭建Caffe深度学习开源框架，对开源VGG16网络模型进行训练；S2、基于VGG16网络模型设计包含两层卷积层的Attention网络，并在训练好的VGG16网络模型中添加Attention网络；S3、使用FlickrLogos‑32数据集中的训练集对添加了Attention网络的VGG16网络模型进行训练；S4、基于训练好的添加了Attention网络的VGG16网络模型生成Attention‑MAC商标特征提取模型；S5、基于Attention‑MAC商标特征提取模型对待查询商标图像进行检索，并生成检索结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学;桂林电子科技大学，未经重庆大学;桂林电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810750096.1/，转载请声明来源钻瓜专利网。
