論文の概要: The Open Brands Dataset: Unified brand detection and recognition at scale

• arxiv url: http://arxiv.org/abs/2012.07350v1
• Date: Mon, 14 Dec 2020 09:06:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-09 05:12:04.186791
• Title: The Open Brands Dataset: Unified brand detection and recognition at scale
• Title（参考訳）: Open Brands Dataset: 規模の統一されたブランド検出と認識
• Authors: Xuan Jin, Wei Su, Rong Zhang, Yuan He, Hui Xue
• Abstract要約: Open Brands」は、リッチなアノテーションによるブランド検出と認識のための最大のデータセットです。 ブランドネット」はブランド認識を扱う「ブランドネット」と呼ばれるネットワークである。
• 参考スコア（独自算出の注目度）: 33.624955564405425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intellectual property protection(IPP) have received more and more attention recently due to the development of the global e-commerce platforms. brand recognition plays a significant role in IPP. Recent studies for brand recognition and detection are based on small-scale datasets that are not comprehensive enough when exploring emerging deep learning techniques. Moreover, it is challenging to evaluate the true performance of brand detection methods in realistic and open scenes. In order to tackle these problems, we first define the special issues of brand detection and recognition compared with generic object detection. Second, a novel brands benchmark called "Open Brands" is established. The dataset contains 1,437,812 images which have brands and 50,000 images without any brand. The part with brands in Open Brands contains 3,113,828 instances annotated in 3 dimensions: 4 types, 559 brands and 1216 logos. To the best of our knowledge, it is the largest dataset for brand detection and recognition with rich annotations. We provide in-depth comprehensive statistics about the dataset, validate the quality of the annotations and study how the performance of many modern models evolves with an increasing amount of training data. Third, we design a network called "Brand Net" to handle brand recognition. Brand Net gets state-of-art mAP on Open Brand compared with existing detection methods.
• Abstract（参考訳）: 近年,グローバルeコマースプラットフォームの開発により知的財産保護(IPP)が注目されている。 ブランド認識はIPPにおいて重要な役割を果たす。 ブランド認識と検出に関する最近の研究は、新しいディープラーニング技術を探求するときに十分に包括的でない小規模データセットに基づいている。 また,現実的および開放的な場面においてブランド検出手法の真の性能を評価することは困難である。 これらの問題に対処するために,まずブランド検出と認識の課題を汎用オブジェクト検出と比較して定義する。 第2に「オープンブランズ」と呼ばれる新しいブランドベンチマークが確立されている。 データセットには1,437,812枚の画像が含まれており、ブランドと5万枚の画像がある。 Open Brandsには3,113,828のインスタンスがあり、4つのタイプ、559のブランド、1216のロゴがある。 私たちの知る限りでは、リッチアノテーションによるブランド検出と認識のための最大のデータセットです。 データセットに関する詳細な統計情報を提供し、アノテーションの品質を検証し、多くのモダンモデルのパフォーマンスが、トレーニングデータの増加とともにどのように進化するかを研究する。 第3に,ブランド認識を扱うネットワーク"Brand Net"を設計する。 Brand Netは、既存の検出方法と比較して、最先端のmAPをOpen Brandで取得する。

関連論文リスト

• Multimodal Large Language Models for Phishing Webpage Detection and Identification [29.291474807301594]
  フィッシングWebページの検出における大規模言語モデル(LLM)の有効性について検討した。 我々のシステムは高精度で高い検出率を達成する。 また、決定の解釈可能な証拠も提供する。
  論文  参考訳（メタデータ） (2024-08-12T06:36:08Z)
• Brand Visibility in Packaging: A Deep Learning Approach for Logo Detection, Saliency-Map Prediction, and Logo Placement Analysis [4.046280139210501]
  本稿では,ブランドロゴのパッケージデザインへの注目度を測定するための包括的枠組みを提案する。 最初のステップでは、YOLOv8を活用して、著名なデータセットであるFoodLogoDet-1500とLogoDet-3Kの正確なロゴ検出を行う。 第2のステップは、パッケージングコンテキストに適した、新しい唾液度予測モデルによって、ユーザの視覚的注意をモデル化することである。
  論文  参考訳（メタデータ） (2024-03-04T18:58:53Z)
• KnowPhish: Large Language Models Meet Multimodal Knowledge Graphs for Enhancing Reference-Based Phishing Detection [36.014171641453615]
  各ブランドに関する情報が豊富な20万のブランドを含む,自動知識収集パイプラインを提案する。 KnowPhishは、既存の参照ベースのフィッシング検出器の性能を高めるために使用できる。 結果として得られたマルチモーダルフィッシング検出手法であるKnowPhish Detectorは,ロゴの有無にかかわらずフィッシングWebページを検出することができる。
  論文  参考訳（メタデータ） (2024-03-04T17:38:32Z)
• Deep Learning for Logo Detection: A Survey [59.278443852492465]
  本稿では, 深層学習技術のロゴ検出への応用について概説する。 既存のロゴ検出戦略と学習戦略の長所と短所を詳細に分析する。 知的輸送やブランド監視から著作権や商標の遵守に至るまで,さまざまな分野におけるロゴ検出の応用を要約する。
  論文  参考訳（メタデータ） (2022-10-10T02:07:41Z)
• An Effective and Robust Detector for Logo Detection [58.448716977297565]
  一部の攻撃者は、よく訓練されたロゴ検出モデルを侵害で騙している。 本稿では,2回検討する機構に基づく新しいロゴ検出手法を提案する。 我々は,デテクトRSアルゴリズムを,等化損失関数,マルチスケール変換,および逆データ拡張を備えたカスケードスキーマに拡張する。
  論文  参考訳（メタデータ） (2021-08-01T10:17:53Z)
• DeepTag: A General Framework for Fiducial Marker Design and Detection [1.2180122937388957]
  フィデューシャルマーカーの設計と検出のための一般的なディープラーニングベースのフレームワークであるDeepTagを提案する。 DeepTagは、さまざまなマーカーファミリの検出をサポートし、カスタマイズされたローカルパターンで新しいマーカーファミリを設計できるようにする。 実験によると、DeepTagはさまざまなマーカーファミリをうまくサポートしており、検出の堅牢性と精度の両方の観点から既存の手法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-05-28T10:54:59Z)
• The Semantic Brand Score [0.0]
  意味ブランドスコア(semantic brand score, sbs)は、意味分析とソーシャルネットワークの手法を組み合わせた、テキストデータに基づくブランド重要度の新しい尺度である。 SBSは、ブランドエクイティと単語共起ネットワークの研究への貢献を表しています。 一方SBSは、ブランドエクイティの精通した構成と、ビッグデータ時代におけるブランドの効果的な戦略的管理のための新たな視点を提供する。
  論文  参考訳（メタデータ） (2021-05-12T16:54:57Z)
• Learning Open Set Network with Discriminative Reciprocal Points [70.28322390023546]
  オープンセット認識は、事前に定義されたクラスからサンプルを同時に分類し、残りを「未知」として識別することを目的としている。 本稿では,各既知圏に対応するクラス外空間のポテンシャル表現であるReciprocal Pointを提案する。 相互点によって構成される有界空間に基づいて、未知のリスクは多圏相互作用によって減少する。
  論文  参考訳（メタデータ） (2020-10-31T03:20:31Z)
• Similarity Search for Efficient Active Learning and Search of Rare Concepts [78.5475382904847]
  我々は,現在ラベル付けされている集合の近傍にラベル付けする候補プールを制限することにより,能動的学習と探索法の計算効率を向上する。 提案手法は,従来のグローバルアプローチと同じような平均精度とリコールを実現し,選択の計算コストを最大3桁まで削減し,Webスケールのアクティブラーニングを可能にした。
  論文  参考訳（メタデータ） (2020-06-30T19:46:10Z)
• Automatic Validation of Textual Attribute Values in E-commerce Catalog by Learning with Limited Labeled Data [61.789797281676606]
  そこで我々はMetaBridgeと呼ばれる新しいメタ学習潜伏変数アプローチを提案する。 限られたラベル付きデータを持つカテゴリのサブセットから、転送可能な知識を学ぶことができる。 ラベルのないデータで、目に見えないカテゴリの不確実性を捉えることができる。
  論文  参考訳（メタデータ） (2020-06-15T21:31:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。