基于CNN树的商标识别算法研究

• 作 者: 陆凯笛
• 出 处: 华中科技大学
• 发表日期: 2004年期
• 关键词: 商标识别 深度学习 卷积神经网络 决策树 谱聚类 特征融合

随着社会的发展和信息化程度的不断提高,基于内容的图像检索成为了当今研究的一个热点,其中商标识别由于广阔的应用领域和巨大的商业价值成为一个非常重要的研究方向。虽然越来越多的学者投入到了商标识别的研究中,各种各样的商标识别技术也很多,但是因为现实生活中的商标容易受到拍摄角度和外界环境的影响,给商标图像带来了尺度变换、旋转变换、仿射变换和部分遮挡等各种变化。这些对商标识别算法提出了很大的挑战,目前,自然场景中商标识别的相关算法在精度和速度上远不能满足实际应用的需求。近年来,深度学习的方法在图像分类、物体检测和目标分割等研究领域取得了突破性效果。本文利用深度学习的相关技术,结合决策树思想和谱聚类算法,对自然场景中的商标识别算法进行研究。本文的主要工作和创新点为:(1)提出了基于CNN树(CNN-T)的商标识别算法。目前,大多数基于卷积神经网络的商标识别算法都只用单个CNN建模,对类别较多的复杂问题,识别精度有待提升。本文提出基于CNN-T的商标识别算法,充分利用树状分层识别模型中的多个CNN的识别性能,每个CNN作为多分类器识别某个特定簇,由谱聚类算法生成这些簇。本文算法充分利用多个CNN的分类性能,提高了商标识别的准确率。实验结果表明本文基于CNN树的商标识别算法取得了显著的效果。(2)提出了基于特征融合的谱聚类算法。本文将特征融合的思想结合到谱聚类算法中,利用浅层卷积神经网络与深层卷积神经网络能够学习到目标不同特征的这种特性,提出了基于特征融合的谱聚类算法。本文的算法将网络浅层的表征特征与网络深层的语义特征通过特定的方式融合,提升了商标分簇的准确率,进而提高了整个CNN-T系统的识别准确率。实验结果验证了基于特征融合的谱聚类算法对商标识别的准确率有显著的提升。