Logo detection in real-world scene

Logo detection in real-world scene images is an important problem with applications in advertisement and marketing. Existing general-purpose object detection methods require large training data with annotations for every logo class. These methods do not satisfy the incremental demand of logo classes necessary for practical deployment since it is practically impossible to have such annotated data for new unseen logo. In this work, we develop an easy-to-implement query-based logo detection and localization system by employing a one-shot learning technique using off the shelf neural network components. Given an image of a query logo, our model searches for logo within a given target image and predicts the possible location of the logo by estimating a binary segmentation mask. The proposed model consists of a conditional branch and a segmentation branch. The former gives a conditional latent representation of the given query logo which is combined with feature maps of the segmentation branch at multiple scales in order to obtain the matching location of the query logo in a target image. Feature matching between the latent query representation and multi-scale feature maps of segmentation branch using simple concatenation operation followed by 1 × 1 convolution layer makes our model scale-invariant. Despite its simplicity, our query-based logo retrieval framework achieved superior performance in FlickrLogos-32 and TopLogos-10 dataset over different existing baseline methods.

Results (Thai) 1:

การตรวจสอบรูปแบบในภาพฉากจริงของโลกเป็นปัญหาที่มีความสำคัญกับการใช้งานในการโฆษณาและการตลาด ที่มีอยู่ในวัตถุประสงค์ทั่วไปวิธีการตรวจหาวัตถุที่ต้องการข้อมูลการฝึกอบรมขนาดใหญ่ที่มีคำอธิบายประกอบสำหรับการเรียนโลโก้ทุก วิธีการเหล่านี้ไม่ได้ตอบสนองความต้องการที่เพิ่มขึ้นของการเรียนโลโก้ที่จำเป็นสำหรับการใช้งานในทางปฏิบัติเพราะมันเป็นไปไม่ได้ในทางปฏิบัติที่จะมีข้อมูลข้อเขียนดังกล่าวสำหรับโลโก้ใหม่ที่มองไม่เห็น ในงานนี้เราพัฒนาที่ง่ายต่อการใช้การตรวจสอบโลโก้แบบสอบถามและระบบการแปลโดยใช้ช็อตเดียวเทคนิคการเรียนรู้โดยใช้ปิดการเก็บรักษาประสาทส่วนประกอบเครือข่าย ได้รับภาพของโลโก้แบบสอบถามการค้นหารูปแบบของเราสำหรับโลโก้ภายในภาพเป้าหมายที่กำหนดและคาดการณ์สถานที่ที่เป็นไปได้ของโลโก้โดยการประมาณหน้ากากแบ่งส่วนไบนารี รูปแบบที่นำเสนอประกอบด้วยสาขาเงื่อนไขและสาขาการแบ่งส่วน อดีตให้เป็นตัวแทนแฝงเงื่อนไขของโลโก้แบบสอบถามที่ได้รับซึ่งรวมกับคุณลักษณะแผนที่ของสาขาการแบ่งส่วนในระดับหลายในการสั่งซื้อที่จะได้รับการจับคู่สถานที่ตั้งของโลโก้แบบสอบถามในภาพเป้าหมาย คุณสมบัติของการจับคู่ระหว่างตัวแทนแบบสอบถามแฝงและมีหลายขนาดแผนที่สาขาการแบ่งส่วนการใช้การดำเนินการเรียงต่อกันง่าย ๆ ตามมาด้วย 1 × 1 บิดชั้นทำให้รูปแบบของเราขนาดคงที่ แม้จะมีความเรียบง่ายของกรอบการดึงโลโก้แบบสอบถามของเราประสบความสำเร็จในประสิทธิภาพที่เหนือกว่าใน FlickrLogos-32 และ TopLogos-10 ชุดข้อมูลที่แตกต่างกันมากกว่าวิธีการพื้นฐานที่มีอยู่ อดีตให้เป็นตัวแทนแฝงเงื่อนไขของโลโก้แบบสอบถามที่ได้รับซึ่งรวมกับคุณลักษณะแผนที่ของสาขาการแบ่งส่วนในระดับหลายในการสั่งซื้อที่จะได้รับการจับคู่สถานที่ตั้งของโลโก้แบบสอบถามในภาพเป้าหมาย คุณสมบัติของการจับคู่ระหว่างตัวแทนแบบสอบถามแฝงและมีหลายขนาดแผนที่สาขาการแบ่งส่วนการใช้การดำเนินการเรียงต่อกันง่าย ๆ ตามมาด้วย 1 × 1 บิดชั้นทำให้รูปแบบของเราขนาดคงที่ แม้จะมีความเรียบง่ายของกรอบการดึงโลโก้แบบสอบถามของเราประสบความสำเร็จในประสิทธิภาพที่เหนือกว่าใน FlickrLogos-32 และ TopLogos-10 ชุดข้อมูลที่แตกต่างกันมากกว่าวิธีการพื้นฐานที่มีอยู่ อดีตให้เป็นตัวแทนแฝงเงื่อนไขของโลโก้แบบสอบถามที่ได้รับซึ่งรวมกับคุณลักษณะแผนที่ของสาขาการแบ่งส่วนในระดับหลายในการสั่งซื้อที่จะได้รับการจับคู่สถานที่ตั้งของโลโก้แบบสอบถามในภาพเป้าหมาย คุณสมบัติของการจับคู่ระหว่างตัวแทนแบบสอบถามแฝงและมีหลายขนาดแผนที่สาขาการแบ่งส่วนการใช้การดำเนินการเรียงต่อกันง่าย ๆ ตามมาด้วย 1 × 1 บิดชั้นทำให้รูปแบบของเราขนาดคงที่ แม้จะมีความเรียบง่ายของกรอบการดึงโลโก้แบบสอบถามของเราประสบความสำเร็จในประสิทธิภาพที่เหนือกว่าใน FlickrLogos-32 และ TopLogos-10 ชุดข้อมูลที่แตกต่างกันมากกว่าวิธีการพื้นฐานที่มีอยู่ คุณสมบัติของการจับคู่ระหว่างตัวแทนแบบสอบถามแฝงและมีหลายขนาดแผนที่สาขาการแบ่งส่วนการใช้การดำเนินการเรียงต่อกันง่าย ๆ ตามมาด้วย 1 × 1 บิดชั้นทำให้รูปแบบของเราขนาดคงที่ แม้จะมีความเรียบง่ายของกรอบการดึงโลโก้แบบสอบถามของเราประสบความสำเร็จในประสิทธิภาพที่เหนือกว่าใน FlickrLogos-32 และ TopLogos-10 ชุดข้อมูลที่แตกต่างกันมากกว่าวิธีการพื้นฐานที่มีอยู่ คุณสมบัติของการจับคู่ระหว่างตัวแทนแบบสอบถามแฝงและมีหลายขนาดแผนที่สาขาการแบ่งส่วนการใช้การดำเนินการเรียงต่อกันง่าย ๆ ตามมาด้วย 1 × 1 บิดชั้นทำให้รูปแบบของเราขนาดคงที่ แม้จะมีความเรียบง่ายของกรอบการดึงโลโก้แบบสอบถามของเราประสบความสำเร็จในประสิทธิภาพที่เหนือกว่าใน FlickrLogos-32 และ TopLogos-10 ชุดข้อมูลที่แตกต่างกันมากกว่าวิธีการพื้นฐานที่มีอยู่

Results (Thai) 2:

การตรวจจับโลโก้ในภาพถ่ายฉากโลกจริงเป็นปัญหาที่สำคัญในการใช้งานโฆษณาและการตลาด วิธีการตรวจหาวัตถุประสงค์ทั่วไปที่มีอยู่จำเป็นต้องมีข้อมูลการฝึกอบรมขนาดใหญ่ที่มีคำอธิบายสำหรับคลาสของโลโก้ทุก วิธีการเหล่านี้ไม่ได้ตอบสนองความต้องการที่เพิ่มขึ้นของชั้นเรียนโลโก้ที่จำเป็นสำหรับการใช้งานในทางปฏิบัติเพราะมันเป็นไปไม่ได้จริงที่จะมีข้อมูลที่อธิบายไว้ดังกล่าวสำหรับโลโก้ที่มองไม่ได้ใหม่ ในงานนี้เราจะพัฒนาระบบการตรวจจับและแปลโลโก้แบบสอบถามที่ใช้งานง่ายโดยการใช้เทคนิคการเรียนรู้หนึ่งครั้งด้วยการปิดคอมโพเนนต์เครือข่ายประสาทชั้นวาง ได้รับภาพของโลโก้แบบสอบถาม, รูปแบบของเราค้นหาโลโก้ภายในภาพเป้าหมายที่กำหนดและคาดการณ์ตำแหน่งที่เป็นไปได้ของโลโก้โดยการประมาณการการแบ่งกลุ่มตัวพรางฐานสอง รูปแบบที่เสนอประกอบด้วยสาขาที่มีเงื่อนไขและสาขาการแบ่งเซ็กเมนต์ อดีตให้การแสดงแฝงแบบมีเงื่อนไขของโลโก้แบบสอบถามที่กำหนดซึ่งจะรวมกับแผนที่คุณลักษณะของสาขาการแบ่งกลุ่มที่หลายเครื่องชั่งเพื่อให้ได้ตำแหน่งที่ตรงกันของโลโก้แบบสอบถามในภาพเป้าหมาย คุณลักษณะการจับคู่ระหว่างการแสดงแบบสอบถามแฝงและแผนผังคุณลักษณะหลายมาตราส่วนของสาขาการแบ่งเซกเมนต์โดยใช้การดำเนินการเรียงซ้อนแบบง่ายตามด้วยชั้น1×1ที่ทำให้ขนาดของเรา แม้จะมีความเรียบง่าย, โลโก้ตามแบบสอบถามของเราทำให้เกิดประสิทธิภาพที่เหนือกว่าใน FlickrLogos-๓๒และ TopLogos-10 ชุดข้อมูลผ่านวิธีการพื้นฐานที่มีอยู่ที่แตกต่างกัน

Results (Thai) 3:

การตรวจหาสัญลักษณ์ในฉากจริงเป็นปัญหาสำคัญในการประยุกต์ใช้การตลาดโฆษณา ที่มีอยู่ทั่วไปเป้าหมายการตรวจสอบวิธีการต้องใช้จำนวนมากของข้อมูลการฝึกอบรมที่มีเครื่องหมายในแต่ละชั้นเรียนโลโก้ วิธีการเหล่านี้ไม่สามารถตอบสนองความต้องการที่เพิ่มขึ้นสำหรับ logo ชั้นเรียนที่จำเป็นสำหรับการใช้งานที่เกิดขึ้นจริงเพราะมันเป็นไปไม่ได้ที่จะให้ข้อมูลเช่นความคิดเห็น ในงานวิจัยนี้ได้พัฒนาระบบตรวจจับตัวบ่งชี้และตําแหน่งตามคําถามที่ง่ายต่อการใช้งานซึ่งใช้เทคนิคการเรียนรู้เพียงครั้งเดียวโดยใช้ส่วนประกอบเครือข่ายประสาทสําเร็จรูป ให้ภาพที่ระบุแบบสอบถามรูปแบบของเราค้นหาตัวตนในเป้าหมายที่ระบุภาพและทำนายตำแหน่งที่เป็นไปได้ของตัวโดยการประมาณค่าไบนารีการแบ่งส่วนหน้ากาก รูปแบบประกอบด้วยเงื่อนไขและการแบ่งส่วนสาขา อดีตให้นัยเงื่อนไขการเป็นตัวแทนของธงและรวมกับแผนที่คุณลักษณะของสาขาการแบ่งส่วนหลายมาตราส่วนเพื่อให้ได้ตำแหน่งที่ตรงกันของธงแบบสอบถามในรูปเป้าหมาย โดยการใช้น้ำตกง่ายคุณลักษณะการจับคู่ระหว่างศักยภาพแบบสอบถามการแสดงออกและแผนที่ลักษณะหลายมาตราส่วนของการแบ่งส่วนสาขาหลังจากการสร้างชั้น แม้จะมีความเรียบง่ายแต่ประสิทธิภาพของกรอบการค้นคืนข้อมูลตามแบบสอบถามของเราใน Flickr rlos-32 และ toplogos-10 ชุดข้อมูลที่ดีกว่าวิธีการพื้นฐานที่แตกต่างกันที่มีอยู่