导读:本文包含了商标识别论文开题报告文献综述及选题提纲参考文献，主要关键词:商标恶意诉讼,识别,规制
商标识别论文文献综述
王雅芬,韦俞村[1]（2019）在《商标恶意诉讼的识别与法律规制》一文中研究指出商标恶意诉讼与商标正当诉讼最大的区别是:"恶意+侵害他人合法权益",因此其本质是一种侵权行为,则识别商标恶意诉讼的要素即是侵权行为的四要件。在这四要件中唯属"恶意"这一主观要件最难识别,因为任何人都无法探知他人的内心,只能通过客观的行为来达到一种高度盖然性的程度。对"恶意"的客观因素分析法能够较为客观一致地认定"恶意",进而识别出商标恶意诉讼行为,从而在实体法上和程序法上对商标恶意诉讼进行规制,最终有效地遏制商标恶意诉讼这种不诚信的行为,优化营商环境。(本文来源于《电子知识产权》期刊2019年08期）
李超,范多青,李娥贤,秦云华,赵敏[2]（2019）在《基于机器视觉识别的高光性镭射商标纸色差测量方法研究》一文中研究指出由于传统的镭射烟标颜色测量方法采用现有的色差仪测量或通过人眼观察,存在一定的缺陷,且易产生偏差,因此开发了一种基于机器视觉识别的色差检测装置,使用该装置对高光性镭射商标纸色差进行检测,然后与传统色差仪检测的数据进行比对.结果表明,该装置在一次测量过程即可按照设定的程序完成对镭射烟标样品多个不同部位的颜色测量,且可自主选定测量区域,提高了测量效率及精准度.(本文来源于《昆明学院学报》期刊2019年03期）
张金,冯帆,孙承君,宫晓利[3]（2018）在《一种基于计算迁移的智能终端商标识别方法》一文中研究指出在移动终端进行商标识别时,使用图像处理技术的传统方法已不再适用.针对这一问题,提出基于计算迁移的智能终端商标识别方法.首先通过分析商标识别应用的组织架构来划分商标识别应用的任务节点;然后构建基于任务节点的应用成本图,设计计算迁移的约束条件;最后制定计算迁移的目标函数,以实现应用能耗与应用时长的均衡.实验结果表明,该方法可以提升移动终端商标识别应用的性能,降低本地能耗,增强用户体验.(本文来源于《应用科学学报》期刊2018年04期）
吴少策[4]（2018）在《基于视觉显着性的商标识别》一文中研究指出日用商品种类繁多,能否方便快捷地获得商品的相关信息对购买者进行购物决策影响巨大。针对这一问题,对商标图像识别方法进行了深入研究,并设计实现了一个商标识别系统。主要工作如下:1、提出了一种基于视觉显着性的商标图像分割方法。根据对商标图像的显着性分析,提出MLRC显着性检测算法,其在RC算法基础上提出了两点改进:一是将单尺度的RC方法改为多尺度RC方法;二是将多尺度的RC显着图进一步融合多位置先验图。该算法获得的显着图进一步剔除背景冗余信息,使商标更加均匀的凸显出来。实验证明,MLRC算法得到的显着图经过阈值分割等处理后,大多数商标图像分割比较完整。2、提出了一种基于改进遗传算法的多特征选择方法,构造了基于SVM的商标分类器。为了提高识别精度,提取多类型特征来增强特征的表示和区分能力,但同时为了提高识别效率,采用遗传算法进行多特征选择。为了提高该算法中适应度函数的有效性,基于SVM使用K折交叉验证的方法计算分类精度,将其作为计算个体适应度值的主要指标。实验证明,该算法获得的最优特征子集不仅特征维数降低了81维,而且在其基础上构造SVM多类分类器进行商标识别,识别精度提高了1.29%。3、设计实现了一个商标识别系统。系统包括商标图像的采集模块、处理模块、特征处理模块、识别模块等模块,使用C++和Matlab混合编程实现了商标图像的读入、分割、特征提取和选择、识别等功能。(本文来源于《河北大学》期刊2018-05-01）
陆凯笛[5]（2018）在《基于CNN树的商标识别算法研究》一文中研究指出随着社会的发展和信息化程度的不断提高,基于内容的图像检索成为了当今研究的一个热点,其中商标识别由于广阔的应用领域和巨大的商业价值成为一个非常重要的研究方向。虽然越来越多的学者投入到了商标识别的研究中,各种各样的商标识别技术也很多,但是因为现实生活中的商标容易受到拍摄角度和外界环境的影响,给商标图像带来了尺度变换、旋转变换、仿射变换和部分遮挡等各种变化。这些对商标识别算法提出了很大的挑战,目前,自然场景中商标识别的相关算法在精度和速度上远不能满足实际应用的需求。近年来,深度学习的方法在图像分类、物体检测和目标分割等研究领域取得了突破性效果。本文利用深度学习的相关技术,结合决策树思想和谱聚类算法,对自然场景中的商标识别算法进行研究。本文的主要工作和创新点为:(1)提出了基于CNN树(CNN-T)的商标识别算法。目前,大多数基于卷积神经网络的商标识别算法都只用单个CNN建模,对类别较多的复杂问题,识别精度有待提升。本文提出基于CNN-T的商标识别算法,充分利用树状分层识别模型中的多个CNN的识别性能,每个CNN作为多分类器识别某个特定簇,由谱聚类算法生成这些簇。本文算法充分利用多个CNN的分类性能,提高了商标识别的准确率。实验结果表明本文基于CNN树的商标识别算法取得了显着的效果。(2)提出了基于特征融合的谱聚类算法。本文将特征融合的思想结合到谱聚类算法中,利用浅层卷积神经网络与深层卷积神经网络能够学习到目标不同特征的这种特性,提出了基于特征融合的谱聚类算法。本文的算法将网络浅层的表征特征与网络深层的语义特征通过特定的方式融合,提升了商标分簇的准确率,进而提高了整个CNN-T系统的识别准确率。实验结果验证了基于特征融合的谱聚类算法对商标识别的准确率有显着的提升。(本文来源于《华中科技大学》期刊2018-05-01）
唐帅[6]（2017）在《基于深度学习的商标检测与识别研究》一文中研究指出随着人们进入移动互联网时代,位置信息服务不断蓬勃发展逐渐改变着人们的日常生活,为人们提供了更便捷、更丰富的周边信息服务。定位技术是位置信息服务的关键技术之一,定位的精准度直接影响用户的体验。由于卫星信号在受到建筑物遮挡时信号强度会衰减,这样导致常用的卫星定位系统存在商场室内定位不精准的问题。从模式识别的角度出发,我们可以利用商标检测与识别的相关算法对室内商场环境中的商标进行检测与识别来提高室内定位的精度。自然场景中商标因样式多样、背景复杂且受到光照、遮挡和模糊等因素的干扰,对商标检测与识别算法提出了很大挑战。目前,自然场景中商标检测与识别的相关算法在精度和速度上远不能满足实际应用的需求。近年来,深度学习的方法在图像分类、物体检测和图像分割等研究领域取得了突破性效果。本文利用深度学习的相关技术对自然场景中商标检测与识别进行研究,主要工作和创新点为:1、提出了一个关于室内商场场景的商标数据集。该商标数据集包含了142个类别,共有10920张人工标注的图片,为目前公开的商标数据集类别数最多的一个数据集。数据集包含的商标样式繁多、背景复杂且存在各种光照、遮挡和光晕等干扰因素,对商标检测与识别的算法提出很大的挑战。2、提出了一种基于注意力与回归的商标检测算法。目前,基于候选框的商标检测算法成为利用深度学习技术实现商标检测的主流算法。但是,基于候选框的商标检测算法步骤繁多且非常耗时。本文从商标检测的速度和精度出发,设计了一种基于回归的商标检测算法。但是该算法由于检测结果中负样本太多导致检测的准确率比较低。为了解决这一问题,本文提出了一种基于注意力与回归的商标检测算法。该算法利用网络分支提取商标掩膜为回归算法提供额外的监督信息来提高商标检测的精确率。定性与定量的实验结果表明了本文基于注意力与回归的商标检测算法取得显着的效果。3、提出了一种基于混合特征的商标识别算法。目前,商标识别算法使用的特征表达多为底层的特征和在通用物体上训练的网络提取的深度特征,这些特征对商标的表达能力有限。本文充分利用商标具有类似文字的特性,从文字识别的角度出发提出了一种提取商标上文字特征的卷积神经网络。但是,商标相比文字更具有独特的颜色和形状等特性。本文利用浅层与深层的卷积网络能够学到不同的特征,提出了一种混合特征的商标识别算法。该算法将浅层的偏底层特征与深层的语义特征通过不同方式的融合来提升商标识别的准确率。实验结果验证了隐藏层跨层相加的融合方式对商标识别有显着的提升。(本文来源于《华中科技大学》期刊2017-05-01）
佟燕燕[7]（2016）在《如何识别“商标撤叁”案中的假证据》一文中研究指出根据《商标法》第四十九条的规定,注册商标没有正当理由连续叁年不使用的,任何单位或者个人可以向商标局申请撤销该注册商标。商标法之所以规定商标叁年不使用撤销程序(以下简称"商标撤叁"),主要是为了促进商标注册权利人积极地使用商标,以免资源的闲置和并未投入使用的"僵尸商标"阻碍他人合法商标的注册。在"商标撤叁"案件中,要求被申请人提供(本文来源于《中华商标》期刊2016年10期）
王伟[8]（2016）在《涉外商标侵权案件中识别问题实证研究》一文中研究指出本文取样于2015年1月至6月OPEN LAW公开的23则涉外商标侵权案件。23则涉外商标侵权案件中有1例案件识别为涉外商标合同(此案例与本文无关,下文将不予讨论);有3例案件识别为涉外一般侵权;19例案件识别为涉外商标侵权。虽然识别不同,但所有案件最终都以中国法作为准据法。为何会造成同一类型案件不同识别的现象,下文将集中就造成此类现象涉及到的识别概念、识别终点与起点、识别的偏差等问题进行集中探讨。(本文来源于《法制博览》期刊2016年21期）
刘宝菊[9]（2016）在《基于HMM的商标词识别研究与应用》一文中研究指出目前,百度推广的风险防控政策未做到精细化控制,限制规则范围太广。不管是什么行业,只要涉及低俗、有线上风险,就不让展示广告。导致许多企业的有效关键词得不到购买和展现,失去了很多入口流量,误杀率高,同时带来大量客户投诉。所有这些,使线上的风险情况不能及时得到控制,线上商标和竞品的风险一直居高不下,导致商标类风险在线上风险中达到63%左右的比例。本文针对命名实体识别的现状及算法进行了研究,分析了百度推广风险防控的不足,提出了基于隐马尔可夫模型(Hidden Markov Model, HMM)的商标词识别与应用的解决方案。即在行业区分和角色标注地获取原始语料库基础上建立HMM模型后,采用Viterbi算法预测商标词,并将生成的商标词策略词表和风险识别模块通过服务接口应用于审核系统中。最终达到了降低商标类的线上风险,同时优化企业与网民的体验并提高广告收入的研究目的。本文的主要工作如下：第一,介绍了本文的研究背景与研究意义,对涉及的相关命名实体识别和百度风险防控面临的问题进行了论述,简述了论文的研究内容与结构。第二,讨论了商标词的识别和算法的改进,提出了一种基于HMM的商标词识别方法。该工作分为叁部分：(1)将百度内部审核日志、物料信息等,进行分行业、切词、分角色标注等处理,得到语料预处理结果；(2)在HMM训练时,同时使用Viterbi算法进行预测,自动角色标注识别商标词；(3)进行商标词识别的实验及分析。实验结果表明：该方法有较高的准确率、召回率和F值。第叁,讨论了商标词识别改进算法的应用。该工作亦分为叁部分：(1)通过区分行业进行数据获取并预处理成所需的原始语料库：(2)通过改进的识别算法识别商标词；(3)为其他系统应用提供商标词识别的服务接口,如生成商标词策略词表,以规则的粒度进行分行业限制,降低误杀,以及将商标风险识别模块应用于线上广告的巡查中,识别商标类风险,降低线上风险。第四,进行了系统实验与分析,对商标词应用的风险及消费相关的影响进行了描述。分析结果表明：应用本文的商标词识别后线上风险占比降低了57%左右,广告收入提高至上亿元,证明了本文研究应用的有效性及实用性。(本文来源于《西南交通大学》期刊2016-05-03）
黄昊[10]（2016）在《基于稀疏编码的部分遮挡商标识别方法研究》一文中研究指出商标在日常生活中随处可见,它能够为标识物体的品牌提供丰富的信息,因此商标识别技术具有极高的实际应用价值,被广泛应用于电商平台上的品牌识别和商标非法使用的检测中。但是,自然场景下的商标识别也存在许多需要克服的问题,如剧烈的尺度变换,光照的影响,仿射形变以及部分遮挡商标的遮挡问题。其中,遮挡问题是具有挑战性的问题,在真实应用场景中,常常会出现商标没有完全落在镜头内,或者商标被其他物体遮挡了一部分的情况。目前,还没有研究者专门针对商标的遮挡问题进行研究。因此,本文提出了一种能够处理商标遮挡情况的部分遮挡商标识别算法,主要工作和贡献如下:(1)提出一套完整有效的部分遮挡商标识别算法框架。现有的商标识别算法如词袋模型(Bag of Words,Bo W)等方法,都是在商标完整的前提下设计的,在出现较大遮挡的情况下算法性能显着降低。本文通过基于卷积神经网络特征的超快速目标区域检测算法(Faster Regions with Convolutional Neural Network Features,Faster R-CNN)进行部分遮挡商标检测,借鉴部分人脸识别对遮挡问题的处理方法,采用稀疏表示分类(Sparse Representation Classification,SRC)算法,提出一套新的算法框架用于解决部分遮挡商标识别问题。(2)提出了一个新的数据集Flickr32-Occlude,作为研究遮挡问题的基准,模拟自然遮挡的情况,生成了不同程度的遮挡图片。在生成的遮挡图片数据集上的结果表明,本文算法的平均分类准确率达到了92.2%,比Bo W算法提高了6.9%。在相同遮挡程度下,本文所采用的稀疏编码方法明显优于Bo W算法,验证了本文算法对遮挡的鲁棒性。(3)提出了一种划分部分重迭子区域投票分类的方法。在处理遮挡问题时,通常会对图片平均划分子区域,然后对各子区域的分类结果进行融合。但这一做法没有考虑到不同子区域的权重是不同的,中心区域包含商标信息的可能性比其他区域要高。本文提出一种划分部分重迭子区域的方法,避免出现子区域关键点过少的情况,同时提高了图片中心分块的权重。实验表明,该方法优于平均划分子区域的识别性能。(4)提出了一种自适应融合颜色特征进行商标识别的方法。商标通常具有非常醒目的颜色和造型,现有的商标识别方法经常使用更加稳定的形状特征,较少利用颜色信息。虽然有些类别的商标颜色在不同场景下变化很大,但也有某些类别商标的颜色分布非常稳定。本文提出一种自适应融合颜色特征的方法,在商标的关键点过少,并且判断出局部特征的分类结果不可靠的情况下,不采用尺度不变特征变换算子(ScaleInvariant Feature Transform,SIFT)得到的分类结果,而将SIFT特征与色调、饱和度、亮度(Hue,Saturation,Lightness,HSV)颜色直方图特征级联,用融合特征进行识别。对比实验的结果表明该方法能够在一定程度上改善局部特征的识别结果,可以作为局部特征识别方法的补充。(本文来源于《华中科技大学》期刊2016-05-01）
商标识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于传统的镭射烟标颜色测量方法采用现有的色差仪测量或通过人眼观察,存在一定的缺陷,且易产生偏差,因此开发了一种基于机器视觉识别的色差检测装置,使用该装置对高光性镭射商标纸色差进行检测,然后与传统色差仪检测的数据进行比对.结果表明,该装置在一次测量过程即可按照设定的程序完成对镭射烟标样品多个不同部位的颜色测量,且可自主选定测量区域,提高了测量效率及精准度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
商标识别论文参考文献
[1].王雅芬,韦俞村.商标恶意诉讼的识别与法律规制[J].电子知识产权.2019
[2].李超,范多青,李娥贤,秦云华,赵敏.基于机器视觉识别的高光性镭射商标纸色差测量方法研究[J].昆明学院学报.2019
[3].张金,冯帆,孙承君,宫晓利.一种基于计算迁移的智能终端商标识别方法[J].应用科学学报.2018
[4].吴少策.基于视觉显着性的商标识别[D].河北大学.2018
[5].陆凯笛.基于CNN树的商标识别算法研究[D].华中科技大学.2018
[6].唐帅.基于深度学习的商标检测与识别研究[D].华中科技大学.2017
[7].佟燕燕.如何识别“商标撤叁”案中的假证据[J].中华商标.2016
[8].王伟.涉外商标侵权案件中识别问题实证研究[J].法制博览.2016
[9].刘宝菊.基于HMM的商标词识别研究与应用[D].西南交通大学.2016
[10].黄昊.基于稀疏编码的部分遮挡商标识别方法研究[D].华中科技大学.2016