[发明专利]一种易于快速迭代更新的Logo检测方法

权利要求书

1.一种易于快速迭代更新的Logo检测方法，其特征在于，包括构建并训练L ogo检测模型至收敛，得到特征点Landmark 1，用于预测未知图片里的L ogo位置；构建并训练图片分类网络模型至收敛，得到特征点Landmark 2，用于预测L ogo类别，具体步骤如下：

步骤1，根据给定的关键字抓取搜索引擎的图片源，将图片的抓取结果分成4类:第1类，含Logo图片样本；第2类，没有多余背景的纯Logo；第3类，完全不相关的图片；第4类，不属于前3类的所有抓取结果；

步骤2，生成xml文件，记录矩形框位置及标注类别；

步骤2-1对步骤1中含Logo图片样本，使用开源工具labelImg对图片中Logo所在位置用矩形框进行标注，标注类别统一设为general_logo，将矩形框位置及标注类别保存为xml文件；

步骤2-2对步骤1中纯Logo做旋转操作；所述旋转操作为随机旋转，旋转角度可以是60°、120°、180°、240°或300°；然后将其嵌入完全不相关的图片的随机位置且不超出边界，合成新的有效图片，合成时记录纯Logo所在位置以及标注类别，写入xml文件；在步骤2-1获取的图片量不足1.5w张时，将合成的新的有效图片作为补充；步骤3，确定Landmark1最优模型；

步骤3-1，以tensorflow为统一框架，实现Faster RCNN，R-FCN，SSD以及附带的特征提取器，所述特征提取器包括Inception Resnet V2、Inception V2、Inception V3、MobileNet、Resnet 101、VGG；

步骤3-2，使用步骤1获取的图片以及步骤2生成的xml文件进行训练，获得Landmark 1最终模型；

步骤4，利用步骤3的Landmark 1批量抠取Logo，生成纯Logo图片，训练图片分类网络至收敛，得到Landmark 2，并预测Logo类别；

步骤5，当新增1类Logo时，收集至少100张的新Logo样本，重复步骤4，重新训练Landmark 2，并使用重新训练的Landmark 2预测新增L ogo的类别。

2.如权利要求1所述的一种易于快速迭代更新的Logo检测方法，其特征在于：所述步骤1中，图片样本包括至少100个类别；还对抓取结果进行筛选，具体方法为：对于含Logo图片样本，保留分辨率在300x300以上的抓取结果，对于没有多余背景的纯Logo，保留分辨率在150x150以上的抓取结果，对于完全不相关的图片，保留分辨率在300x300以上的抓取结果，数量为1千张，对于不属于前3类的所有抓取结果直接删除；筛选样本后的保留的有效样本数量为1万5千张。

3.如权利要求2所述的一种易于快速迭代更新的Logo检测方法，其特征在于：所述步骤5中，收集的新L ogo样本量为150张。