基于快速区域卷积网络的自动图形标志检测
计算机视觉与模式识别
2016-04-21 v1
摘要
品牌识别是一个极具挑战性的课题，在定位识别、广告和营销中有许多有用应用。在本文中，我们提出一种自动图形标志检测系统，可鲁棒处理无约束成像条件。我们的方法基于 Ross Girshick 提出的快速区域卷积网络（FRCN），其在若干通用目标识别任务（PASCAL Visual Object Classes 挑战赛）中展现了最先进的(state-of-the-art)性能。具体地，我们使用两个用 ILSVRC ImageNet 数据集预训练的 CNN 模型，并在预处理阶段考察窗口“提议”的选择性搜索以及数据增强以提升标志识别率。新颖性在于使用迁移学习来利用用大规模数据集训练的强大卷积神经网络模型，并将其重新用于图形标志检测场景。该框架的另一益处是允许使用可能有目标的区域对图形标志进行多次检测。在 FlickrLogos-32 数据集上的实验结果表明，我们所开发的模型不仅对图形标志可能遭受的噪声和其他变换具有良好性能，而且优于带有手工制作模型和特征的最先进(state-of-the-art)系统。
引用
@article{arxiv.1604.06083,
title = {Automatic Graphic Logo Detection via Fast Region-based Convolutional Networks},
author = {Gonçalo Oliveira and Xavier Frazão and André Pimentel and Bernardete Ribeiro},
journal= {arXiv preprint arXiv:1604.06083},
year = {2016}
}
备注
7 pages, 9 figures, IJCNN 2016