买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国计量大学

摘要：本发明公开了一种商标侵权检测方法和系统，将超分辨率图片重构技术和基于CNN的检测模型相结合，通过超分辨率图片重构技术提高了待检测商标图片的分辨率，以便于后续CNN检测阶段特征信息充分提取，并在CNN检测过程中先提取m个特征子库集合，再进行相似性度量计算，降低了系统运算量，提高了商标侵权判定的准确度。本发明将人工智能技术运用到商标侵权判定中，进一步提高商标相似性判断的客观性和一致性，可以解决当前商标侵司法实践中的困境。此外，基于区块链技术，在线上进行侵权证据的取证和存证，进一步提高了取证存证的效率和安全。

主权项：1.一种商标侵权检测方法，其特征在于，包括以下步骤：（1）建立图形商标保护库；所述图形商标保护库用于根据预设的采集策略采集并存储官方公告的图形商标信息，所述图形商标信息包括商标名称、商标图片、商标持有人；（2）采集待检测商品图形商标信息，所述待检测商品图形商标信息包括商标名称、商标图片、商标持有人或商标许可人；（3）根据所述图形商标保护库中图形商标数据集的分辨率大小设置阈值，将分辨率大于等于阈值的待检测商品的商标图片直接输入第二神经网络模型检测；将分辨率小于阈值的待检测商品的商标图片输入第一神经网络模型进行超分辨率图片重构处理，将生成的超分辨率重构商标图片输入所述第二神经网络模型进行检测；所述第二神经网络模型输出识别结果信息，其中，所述识别结果信息用于指示所述待检测商品图形商标是否侵权；（4）若判断为侵权，将所述待检测商品图形商标确定为侵权商标；其中步骤（3）中所述第一神经网络模型为生成对抗网络GAN，所述GAN由一组深度网络搭建的生成器和另一组深度网络搭建的判别器组成，在工作过程中，生成器负责将输入的噪声图片映射成服从真实图片分布的虚假图片，判别器则负责学习真实图片的特征，并分辨出输入进网络的图片是真实图片还是生成器生成的虚假图片，通过损失函数对输入进判别器的两张图片进行计算，根据计算出来的损失值进行反向更新GAN的权重，最终GAN收敛时输出超分辨率重构商标图片；其中步骤（3）中所述第二神经网络模型为卷积神经网络CNN；所述CNN组成部分包括输入层，隐藏层和输出层，其中CNN的隐藏层由卷积层，池化层组成，以及加入了全连接层；输出层是Softmax分类器，该分类器输入为预测图片在某一类别的得分，输出为预测图片为该类别的概率；所述第二神经网络模型CNN工作过程包括以下步骤：（3-1）在训练阶段，将图形商标保护库中不同类别的商标图片输入到CNN中，提取全连接层的输出，作为商标图片的CNN特征，组合每张商标图片的CNN特征构建商标图片特征数据库；使用CNN模型中输出层的输出，作为商标图片的分类类别概率，建立商标图片的分类类别概率信息数据库；商标图片特征数据库定义为，其中表示第个类别的商标图片特征子库，表示所有类别的商标图片特征数据库；（3-2）将待检测图片F输入CNN，获得待检测图片F的CNN特征，以及分类类别概率排名前m的候选类别集合，m为预先定义的自然数，所述待检测图片F为分辨率大于等于阈值的待检测商品的商标图片或超分辨率重构商标图片；其中，表示待检测图片F通过CNN进行图片分类获得分类类别概率排名第的类别组成候选类别；根据分类结果，从商标图片特征数据库中提取，，其中表示中分类类别概率排名第的特征子库，是分类类别概率排名前m的类别集合对应的特征子库集合；（3-3）相似性度量计算：分别计算待检测图片F的CNN特征与特征子库集合之间的相似度及待检测图片F的分类类别概率与分类类别概率排名前m的候选类别集合之间的相似度，使用余弦距离作为相似度的衡量标准，对这两种相似度进行加权融合，形成总相似度；，代表加权权重；（3-4）设置侵权判定阈值，判断是否存在总相似度大于侵权判定阈值；若存在，则选择总相似度最大的商标图片Q，比较待检测商品图形商标信息中商标持有人或商标许可人是否与商标图片Q对应的商标持有人一致；如果不一致，则判定待检测商品图形商标侵权，并输出识别结果信息。

全文数据：

权利要求：

百度查询： 中国计量大学 一种商标侵权检测方法和系统