王一海

(南京信息职业技术学院数字商务学院，江苏 南京 210023)

近年来，随着人工智能、大数据等新兴技术的迅速发展，促进了电子商务产业链的发展，零售业的诸多环节发生了显著变化。零售业已经成为人工智能等新兴技术的典型应用场景，以深度学习为基础的人脸识别、语音对话、商品识别等人工智能技术正在探索如何应用于刷脸支付、以图搜图、智能购物等场合[1-3]。

商标作为一个公司、组织、品牌、产品独一无二的符号，商家可以通过搜索、识别相关的商标，来分析其品牌在整个市场中的发展情况以及未来的发展趋势，同时可以帮助广告商来检查广告的有效性，以及是否存在版权侵权方面的问题。然而，由于互联网图片、视频数据的规模急剧增长，图片和视频中的产品商标的有效智能鉴别，已经成为一个不可回避的问题。

商标中包含文本、符号和图形等元素，目前商标检测中存在的主要难点包括:商标在图片中的位置、角度是不确定的，由于自然场景中各种印刷、照明、遮挡、旋转、裁剪、大小等因素，商标存在着很大变化，并且商标的类内差异比较大，类间差异有的会比较小，容易带来误检。文献[4]在商标识别中采用了一种基于Hu 修正矩的特征提取算法，该方法针对商标的多种状态，比如旋转、缩放或平移时，所得到的修正矩值基本保持不变，具有一定的稳定性。针对商标识别过程中资源要求过高的问题，文献[5]研究了一种基于计算迁移的商标识别方法，该方法用于智能终端对商标的识别，将任务节点的执行位置由应用成本图辅导决策，实现了商标识别应用过程的计算迁移，降低了终端能耗。……