Logo-2K+：面向可扩展 logo 分类的大规模 logo 数据集
计算机视觉与模式识别
2019-11-20 v1
摘要
logo 分类因其在版权侵权检测、产品推荐与情境广告等多种应用而受到越来越多的关注。与其他类型目标图像相比，真实世界 logo 图像在外观上具有更大多样性且背景更为复杂。因此，从图像中识别 logo 颇具挑战。为支持可扩展 logo 分类任务的研究，我们整理了一个数据集 Logo-2K+，这是一个新的大规模公开真实世界 logo 数据集，包含 2,341 个类别与 167,140 张图像。与 FlickrLogos-32、LOGO-Net 等现有流行 logo 数据集相比，Logo-2K+ 对 logo 类别的覆盖更为全面，logo 图像数量也更大。此外，我们提出了判别区域导航与增强网络（DRNA-Net），能够发现更具信息量的 logo 区域并增强这些图像区域以用于 logo 分类。DRNA-Net 由四个子网络组成：导航子网络在教师子网络引导下首先选择信息丰富的 logo 相关区域，教师子网络可评估其属于真实 logo 类别的置信度；数据增强子网络随后通过区域裁剪与区域丢弃增强所选区域；最后，审视子网络融合来自增强区域与整图的特征以进行 logo 分类。在 Logo-2K+ 及其他三个现有基准数据集上的综合实验证明了所提方法的有效性。Logo-2K+ 与所提强基线 DRNA-Net 有望进一步推动可扩展 logo 图像识别的发展，Logo-2K+ 数据集可在 https://github.com/msn199959/Logo-2k-plus-Dataset 获取。
引用
@article{arxiv.1911.07924,
title = {Logo-2K+: A Large-Scale Logo Dataset for Scalable Logo Classification},
author = {Jing Wang and Weiqing Min and Sujuan Hou and Shengnan Ma and Yuanjie Zheng and Haishuai Wang and Shuqiang Jiang},
journal= {arXiv preprint arXiv:1911.07924},
year = {2019}
}
备注
Accepted by AAAI2020