公开(公告)号：CN108875076B

公开(公告)日：2021-07-20

申请号：CN201810750096.1

申请日：2018-07-10

申请人： 重庆大学 ,  桂林电子科技大学

发明人： 冯永 ,  张英琦 ,  尚家兴 ,  强保华 ,  邱媛媛

IPC分类号： G06F16/583 ,  G06N3/04

摘要： 本发明公开了一种基于Attention机制和卷积神经网络的快速商标图像检索方法，包括搭建Caffe深度学习开源框架，对开源VGG16网络模型进行训练；基于VGG16网络模型设计包含两层卷积层的Attention网络，并在训练好的VGG16网络模型中添加Attention网络；使用FlickrLogos‑32数据集中的训练集对添加了Attention网络的VGG16网络模型进行训练；基于训练好的添加了Attention网络的VGG16网络模型生成Attention‑MAC商标特征提取模型；基于Attention‑MAC商标特征提取模型对待查询商标图像进行检索，并生成检索结果。本发明避免使用全连接层冗余的参数，达到精简模型的目的，提高训练和检索的速度，降低误检率。

公开(公告)号：CN108875076A

公开(公告)日：2018-11-23

申请号：CN201810750096.1

申请日：2018-07-10

申请人： 重庆大学 ,  桂林电子科技大学

发明人： 冯永 ,  张英琦 ,  尚家兴 ,  强保华 ,  邱媛媛

IPC分类号： G06F17/30 ,  G06N3/04

摘要： 本发明公开了一种基于Attention机制和卷积神经网络的快速商标图像检索方法，包括搭建Caffe深度学习开源框架，对开源VGG16网络模型进行训练；基于VGG16网络模型设计包含两层卷积层的Attention网络，并在训练好的VGG16网络模型中添加Attention网络；使用FlickrLogos‑32数据集中的训练集对添加了Attention网络的VGG16网络模型进行训练；基于训练好的添加了Attention网络的VGG16网络模型生成Attention‑MAC商标特征提取模型；基于Attention‑MAC商标特征提取模型对待查询商标图像进行检索，并生成检索结果。本发明避免使用全连接层冗余的参数，达到精简模型的目的，提高训练和检索的速度，降低误检率。