基于卷积神经网络的专利图像检索方法用于设计构思
计算机视觉与模式识别
2020-11-06 v3 信息检索
摘要
专利数据库常因其专利文档中规模大、种类广、设计信息丰富而被用于搜索创新设计机会的启发式刺激。然而，大多数专利挖掘研究仅关注文本信息而忽略视觉信息。为此，我们提出一种基于卷积神经网络（CNN）的专利图像检索方法。该方法的核心是一个名为 Dual-VGG 的新型神经网络架构，旨在完成两项任务：视觉材料类型预测与国际专利分类（IPC）类标签预测。进而，训练好的神经网络提供图像嵌入向量中的深度特征，可用于专利图像检索与视觉映射。我们对两项训练任务及专利图像嵌入空间的准确性进行了评估，以展示模型的性能。该方法也在机械臂设计检索的案例研究中得到说明。与传统的基于关键词的搜索和谷歌图像搜索相比，所提方法发现了更多对工程设计有用的视觉信息。
引用
@article{arxiv.2003.08741,
title = {A Convolutional Neural Network-based Patent Image Retrieval Method for Design Ideation},
author = {Shuo Jiang and Jianxi Luo and Guillermo Ruiz Pava and Jie Hu and Christopher L. Magee},
journal= {arXiv preprint arXiv:2003.08741},
year = {2020}
}
备注
11 pages, 11 figures