論文の概要: Famous Companies Use More Letters in Logo:A Large-Scale Analysis of Text
Area in Logo
- arxiv url: http://arxiv.org/abs/2104.00327v1
- Date: Thu, 1 Apr 2021 08:19:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 13:38:33.889978
- Title: Famous Companies Use More Letters in Logo:A Large-Scale Analysis of Text
Area in Logo
- Title（参考訳）: 有名な企業はロゴにもっと文字を使う:ロゴのテキスト領域の大規模分析
- Authors: Shintaro Nishi, Takeaki Kadota, Seiichi Uchida
- Abstract要約: 私たちは、ロゴ画像とそのテキスト領域、テキスト領域とTwitter上のフォロワーの数、およびロゴ画像とフォロワーの数の3つの相関に焦点を当てています。
テキスト領域比と会社のフォロワー数との間には, 弱い正の相関関係がみられた。
- 参考スコア（独自算出の注目度）: 4.168157981135698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper analyzes a large number of logo images from the LLD-logo dataset,
by recent deep learning-based techniques, to understand not only design trends
of logo images and but also the correlation to their owner company. Especially,
we focus on three correlations between logo images and their text areas,
between the text areas and the number of followers on Twitter, and between the
logo images and the number of followers. Various findings include the weak
positive correlation between the text area ratio and the number of followers of
the company. In addition, deep regression and deep ranking methods can catch
correlations between the logo images and the number of followers.
- Abstract（参考訳）: 本稿では,近年の深層学習技術を用いて,LDD-logoデータセットからの多数のロゴ画像を分析し,ロゴ画像の設計動向だけでなく,所有企業との関係も理解している。
特に,ロゴ画像とテキスト領域,テキスト領域とtwitterのフォロワー数,ロゴ画像とフォロワー数との間に,3つの相関関係に注目した。
テキスト面積比と企業のフォロワー数との間には, 有意な相関関係がみられた。
さらに, ロゴ画像とフォロワー数との相関関係を, 深部回帰法と深部ランキング法で求めることができる。
関連論文リスト
- LogoSticker: Inserting Logos into Diffusion Models for Customized Generation [73.59571559978278]
テキスト・ツー・イメージ・モデルにロゴを挿入する作業を導入する。
我々の目標は、ロゴのアイデンティティを拡散モデルに挿入し、様々な状況下でシームレスに合成できるようにすることです。
この課題に対処するために,新しい2相パイプラインLogoStickerを提案する。
論文 参考訳（メタデータ） (2024-07-18T17:54:49Z) - SLANT: Spurious Logo ANalysis Toolkit [61.59021920232986]
SLANT: Spurious Logo Analysis Toolkitを開発した。
というロゴをマイニングするためのセミオートマチックなメカニズムが組み込まれている。
我々は、VLモデルが負の人形容詞と相関する様々な無害なロゴを発見した。
攻撃者は有害なコンテンツに急激なロゴを配置することができ、モデルがそれを無害と誤分類する原因となった。
論文 参考訳（メタデータ） (2024-06-03T15:41:31Z) - Image-Text Pre-Training for Logo Recognition [0.27195102129094995]
マッチングモデルの性能向上のための2つの新しいコントリビューションを提案する。
微調整済みのImageNet事前学習モデルの標準パラダイムは、マッチング問題を効果的に解決するために必要なテキスト感度を見つけるのに失敗する。
OpenLogoDet3K47で微調整された場合、イメージテキストデータ上で事前トレーニングされた同じビジョンバックボーンが、980.6%のリコール@1.99ドルを達成した。
論文 参考訳（メタデータ） (2023-09-18T23:18:02Z) - Contrastive Multi-View Textual-Visual Encoding: Towards One Hundred
Thousand-Scale One-Shot Logo Identification [2.243832625209014]
オープン・セットのワンショット・セッティングにおいて,ビジネスブランドのロゴを自然シーンで識別する問題について検討する。
ロゴに現れるテキストをエンコードする新しい多視点テキスト視覚符号化フレームワークを提案する。
提案手法は, 自然シーンの作業において, 作付ロゴ識別, 作付ロゴ識別, エンド・ツー・エンドのロゴ識別を行う。
論文 参考訳（メタデータ） (2022-11-23T12:59:41Z) - 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) - Makeup216: Logo Recognition with Adversarial Attention Representations [16.78131635640705]
メイクアップ216は、メイクアップの分野で最大の、そして最も複雑なロゴのデータセットで、現実世界から撮影された。
216のロゴと157のブランドで構成され、その中には10,019の画像と37,018の注釈付きロゴオブジェクトが含まれる。
提案するフレームワークは,Makeup216と他の大規模オープンロゴデータセットで競合する結果を得た。
論文 参考訳（メタデータ） (2021-12-13T10:08:56Z) - Discriminative Semantic Feature Pyramid Network with Guided Anchoring
for Logo Detection [52.36825190893928]
我々は,DSFP-GAを用いた識別的セマンティック特徴ピラミッドネットワークという新しい手法を提案する。
我々のアプローチは主に差別的セマンティック特徴ピラミッド(DSFP)とガイドアンコリング(GA)から構成される。
論文 参考訳（メタデータ） (2021-08-31T11:59:00Z) - 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) - LogoDet-3K: A Large-Scale Image Dataset for Logo Detection [61.296935298332606]
完全アノテーション付き最大のロゴ検出データセットであるLogoDet-3Kを紹介する。
3000のロゴカテゴリー、約20万の注釈付きロゴオブジェクト、158,652の画像がある。
大規模なロゴ検出のための最先端のYOLOv3フレームワークにFocal LosとCIoU Losを組み込んだ強力なベースライン手法であるLogo-Yoloを提案する。
論文 参考訳（メタデータ） (2020-08-12T14:57:53Z)
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。