LOGO-Net

徽标检测是计算机视觉中一种特殊类型的对象检测，可用于许多应用。在这里，我们介绍了一个新的用于品牌识别的徽标图像数据库，称为 LOGO-Net，共有 100 个品牌、160 个徽标类别、73414 个图像和 130,608 个标有边界框和类别标签的徽标对象。使用基于深度区域的卷积神经网络 (DRCN)，我们学习徽标对象检测器并将其应用于品牌识别任务，并在真实世界产品图像的徽标检测基准上建立新的艺术状态。在这里，我们提供 LOGO-Net 数据库和经过训练的 R-CNN 集合，用于学术研究和教育目的。

Logo detection is a specialized subclass of object detection in computer vision, with a wide spectrum of practical applications. Herein, we introduce a novel logo image database for brand recognition, termed LOGO-Net, which contains 100 brands, 160 logo categories, 73,414 images, and 130,608 logo objects annotated with bounding boxes and category labels. Using the Deep Region-based Convolutional Neural Network (DRCN), we trained a logo object detector and applied it to the brand recognition task, establishing a new state-of-the-art performance on the logo detection benchmark of real-world product images. Herein, we publicly release the LOGO-Net database and the trained R-CNN ensemble for academic research and educational purposes.

搜集汇总

背景与挑战

背景概述

LOGO-Net是一个大规模徽标检测和品牌识别数据集，包含100个品牌、160个徽标类别、73,414张图像和130,608个标注对象，适用于计算机视觉中的少镜头目标检测任务。该数据集基于深度区域卷积神经网络（DRCN）训练，由新加坡管理大学和阿里巴巴于2015年发布，旨在支持学术研究和教育应用。