本申请涉及人工智能技术领域，具体公开了一种商标相似性检测方法、装置、电子设备和存储介质，其中，商标相似性检测方法包括：对第一商标样本进行数据增广，得到第二商标样本；根据第二商标样本进行模型训练，得到特征提取模型；将第一待检测商标图像输入到特征提取模型，得到第一特征向量；将第二待检测商标图像输入到特征提取模型，得到第二特征向量；根据第一特征向量和第二特征向量，确定第一待检测商标图像和第二待检测商标图像之间的相似度；若相似度大于阈值，则确定第一待检测商标图像和第二待检测商标图像相似。
【技术实现步骤摘要】
商标相似性检测方法、装置、电子设备和存储介质
本专利技术涉及人工智能
，具体涉及一种商标相似性检测方法、装置、电子设备和存储介质。
技术介绍
商标，作为经营者提供的商品或服务的显著标志，在一定程度上代表了该经营者，以及其在其所经营的领域中所累积的声誉，象征着经营者的信誉和可靠度的，是企业日益激烈的市场竞争活动中的重要组成部分。并且，由于商标所代表的经营者的声誉，使商标可以说明的拥有该商标的产品或服务的性质和质量符合。由此，可以帮助消费者识别和购买某些产品或服务。基于此，商标可以说是企业的无形资产，其重要性不言而喻。因此，商标必须具有足够的独特性以避免与其他商标发生混淆或冲突。目前，市面上充斥着各种大型或知名企业的仿冒商标，在扰乱市场秩序的同时，也严重影响了大型或知名企业的声誉。商标的近似是指两商标文字的字形、读音、含义或者图形的构图、着色、外观近似，或者文字和图形组合后的整体排列组合方式和外观近似，或者其三维标志的形状和外观近似，或者其颜色或者颜色组合近似，使用在同一种或者类似商品或者服务上易使相关公众对商品或者服务的来源产生误认。传统的商标相似性度量方法往往是通过计算商标图像的结构相似性或直方图计算商标图像的相似度，或者通过人工提取商标特征并利用模式识别的方式计算商标的相似度。然而，这些方法计算速度慢，商标相似度的准确率容易受到噪声干扰等因素的影响，导致相似度计算的准确率低。
技术实现思路
为了解决现有技术中存在的上述问题，本申请实施方式提供了一种商标相似性检测方法、装置、电子设备和存储介质，可以在提高商标的相似度获取效率的同时，保证相似度的精准度。第一方面，本申请的实施方式提供了一种商标相似性检测方法，包括：对第一商标样本进行数据增广，得到第二商标样本；根据第二商标样本进行模型训练，得到特征提取模型；将第一待检测商标图像输入到特征提取模型，得到第一特征向量；将第二待检测商标图像输入到特征提取模型，得到第二特征向量；根据第一特征向量和第二特征向量，确定第一待检测商标图像和第二待检测商标图像之间的相似度；若相似度大于阈值，则确定第一待检测商标图像和第二待检测商标图像相似。第二方面，本申请的实施方式提供了一种商标相似性检测装置，包括：预处理模块，用于对第一商标样本进行数据增广，得到第二商标样本；训练模块，用于根据第二商标样本进行模型训练，得到特征提取模型；提取模块，用于将第一待检测商标图像输入到特征提取模型，得到第一特征向量，以及将第二待检测商标图像输入到特征提取模型，得到第二特征向量；处理模块，用于根据第一特征向量和第二特征向量，确定第一待检测商标图像和第二待检测商标图像之间的相似度；若相似度大于阈值，则确定第一待检测商标图像和第二待检测商标图像相似。第三方面，本申请实施方式提供一种电子设备，包括：处理器，处理器与存储器相连，存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如第一方面的方法。第四方面，本申请实施方式提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序使得计算机执行如第一方面的方法。第五方面，本申请实施方式提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机可操作来使计算机执行如第一方面的方法。实施本申请实施方式，具有如下有益效果：可以看出，在本申请实施方式中，通过对训练用的商标样本进行数据增广，充分扩增了训练样本在各种情况下的数据，使得训练后的模型可以在商标图像的各个尺度和视角下，以及多种干扰等情况下，任具有良好的鲁棒性。同时，使后续对商标相似度的计算的准确率不容易受到图像形变、光照强度、噪声干扰等因素的影响。此外，相比于传统的人工提取特征的方法，本申请实施方式实现了商标相似度检测的自动化执行，具有快速、高效、漏检率低等优点。附图说明为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施方式提供的一种商标相似性检测方法的流程示意图；图2为本申请实施方式提供的另一种特征提取模型的运作流程示意图；图3为本申请实施方式提供的一种获取文本向量的流程示意图；图4为本申请实施方式提供的一种商标相似性检测装置的功能模块组成框图；图5为本申请实施方式提供的一种电子设备的结构示意图。具体实施方式下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施方式”意味着，结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不一定均是指相同的实施方式，也不是与其它实施方式互斥的独立的或备选的实施方式。本领域技术人员显式地和隐式地理解的是，本文所描述的实施方式可以与其它实施方式相结合。参阅图1，图1为本申请实施方式提供的一种商标相似性检测方法的流程示意图。该商标相似性检测方法包括以下步骤：101：对第一商标样本进行数据增广，得到第二商标样本。在本实施方式中，通过对第一商标样本进行扰动处理，得到扰动图像，再对扰动图像添加预设的噪声，实现对第一商标样本的数据增广。其中，该扰动处理主要用于模拟造成图像信息变动的场景。该扰动处理可以包括以下至少一种：平移处理、缩放处理、旋转处理以及翻转处理。该预设噪声可以包括以下至少一种高斯噪声、加性噪声、随机噪声以及椒盐噪声。在可选的实施方式中，该扰动处理还可以用于模拟造成图像信息丢失的场景。因此，该扰动处理还可以包括以下至少一种：图像压缩处理、图像剪切处理、图像覆盖处理、图像中至少部分区域的替换处理以及色彩变换处理。其中，该色彩变换处理可以包括以下至少一种：对比度变换处理、亮度变换处理、饱和度变换处理以及色调变换处理。由此，充分扩增了训练样本在各种情况下的数据，使得训练后的模型可以在商标图像的各个尺度和视角下，以及多种干扰等情况下，任具有良好的鲁棒性。同本文档来自技高网...
【技术保护点】
1.一种商标相似性检测方法，其特征在于，所述方法包括：/n对第一商标样本进行数据增广，得到第二商标样本；/n根据所述第二商标样本进行模型训练，得到特征提取模型；/n将第一待检测商标图像输入到所述特征提取模型，得到第一特征向量；/n将第二待检测商标图像输入到所述特征提取模型，得到第二特征向量；/n根据所述第一特征向量和所述第二特征向量，确定所述第一待检测商标图像和所述第二待检测商标图像之间的相似度；/n若所述相似度大于阈值，则确定所述第一待检测商标图像和所述第二待检测商标图像相似。/n
【技术特征摘要】
1.一种商标相似性检测方法，其特征在于，所述方法包括：
对第一商标样本进行数据增广，得到第二商标样本；
根据所述第二商标样本进行模型训练，得到特征提取模型；
将第一待检测商标图像输入到所述特征提取模型，得到第一特征向量；
将第二待检测商标图像输入到所述特征提取模型，得到第二特征向量；
根据所述第一特征向量和所述第二特征向量，确定所述第一待检测商标图像和所述第二待检测商标图像之间的相似度；
若所述相似度大于阈值，则确定所述第一待检测商标图像和所述第二待检测商标图像相似。
2.根据权利要求1所述的方法，其特征在于，所述对第一商标样本进行数据增广，得到第二商标样本，包括：
对所述第一商标样本进行扰动处理，得到扰动图像，其中，所述扰动处理包括以下至少一种：平移处理、缩放处理、旋转处理以及翻转处理；
对所述扰动图像添加预设噪声，得到所述第二商标样本，其中，所述预设噪声包括以下至少一种：高斯噪声、加性噪声、随机噪声以及椒盐噪声。
3.根据权利要求1或2所述的方法，其特征在于，在所述对第一商标样本进行数据增广，得到第二商标样本之前，所述方法还包括：
对所述第一商标样本进行边缘检测，得到第一检测结果；
根据所述第一检测结果，对所述第一商标样本进行裁剪，得到第一商标主体图像；
将所述第一商标主体图像作为所述第一商标样本。
4.根据权利要求1所述的方法，其特征在于，所述将第一待检测商标图像输入到所述特征提取模型，得到第一特征向量，包括：
对所述第一待检测商标图像进行图像分割，得到文本区域和图像区域；
对所述文本区域中的文本进行词嵌入处理，得到文本向量；
对所述图像区域中的图像进行特征提取，得到图像向量；
将所述文本向量和所述图像向量进行拼接，得到所述第一特征向量。
5.根据权利要求4所述的方法，其特征在于，所述对所述文本区域中的文本进行词嵌入处理，得到文本向量，包括：
对所述文本区域中的文本进行语义切分，得到至少一个词语；
对于所述至少一个词语中的每个词语，分别根据所述每个词语查询实体标签库，确定所述每个词语对应的实体标签；
对所述每个词语进行词嵌入处理，得到词向量，以及对所述每个词语对应的实体...
【专利技术属性】
技术研发人员：侯丽，严明洋，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。