庄建军, 石潇愉

(南京信息工程大学电子与信息工程学院, 南京 210044)

互联网的普及和智能手机的大众化使人们的购物方式产生了巨大的变革。在年轻一代中,传统线下购物几乎已经被线上购物所取代。根据中国互联网络信息中心的数据,中国线上购物人数达到8.42亿人,已超过总人数的1/2。一方面,互联网带来的海量产品令人目不暇接,用户无法快速定位自己想要的物品,商标检测方法可以帮助用户实现即拍即搜的效果,获得极大便利;另一方面,大量的商标侵权行为滋生,2022年,中国商标异议裁定数量达1.7×105。巨大的数据量面前,由于商标的图片属性,人工排查侵权行为效率低下,而使用商标检测方法则只需拍摄一张照片即可从数据库中索引到相关产品,随后再由人员进行裁定,极大提高了工作效率。

王一海[1]提出了使用反向传播(back propagation BP)神经网络来进行商标识别,但这种靠全连接层的网络效率过低。Leng等[2]引入主流的目标检测模型YOLOv3,在Flickrlogos-32数据集上取得了73.9%的mAP(mean average precision)。林轶等[3]基于YOLOv3得到一种交通标志的识别方法,与商标识别类似,但是商标所在场景更为复杂。丁明宇等[4]把YOLO(you only look once)与文字识别技术相结合,进行商品参数的提取。总的来看,原有的商标识别方法,其覆盖面不广,使用的模型则相对落后,方法不够有效。

随着科技的不断革新,对商标识别方法提出了更高的要求,需要设计一种更准、更小、更快的模型。纵观当下使用较多的目标检测算法[5],一类是以区域卷积神……