LogoXpertNet：一种基于深度学习的新型轻量级标志分类方法

《Scientific Reports》：LogoXpertNet: a novel lightweight logo classification using deep learning

　　

摘要

在品牌监控、版权保护以及数字取证等诸多应用中，标志识别具有重要意义。传统的计算机视觉技术存在诸多局限，尤其是在处理尺度变化、物体遮挡以及背景杂乱等问题时表现不佳。虽然深度学习模型，尤其是卷积神经网络，能够提供更有效的解决方案，但它们往往需要较高的计算成本，难以实现实时应用。本文介绍了一种名为LogoXpertNet的轻量级深度学习架构，专为高效标志识别而设计。该架构的创新点包括：（1）改进版的MobileNetV3主干网络，通过添加瓶颈层以及挤压激励模块来提升特征提取效率；（2）一种新的跨层特征融合模块，有助于增强不同网络层级之间的特征整合能力；（3）一种新的分层挤压激励空间注意力模块，能够动态处理空间特征和通道特征；（4）一种基于特征感知的卷积块注意力模块，可有效融合空间信息和频率信息，从而更精准地识别标志。在FlickrLogos-32、BelgaLogos以及WebLogo-2M等测试数据集上的实验表明，LogoXpertNet在保持较低计算成本的同时，仍能展现出出色的分类性能。由于这些测试数据集上的准确率已接近饱和值，因此其结果应结合数据集特点、数据划分方式以及评估指标来进行解读，而不能视为其在所有实际标志识别场景中都具有通用性能的证明。LogoXpertNet为标志识别基准测试提供了一个高效且实用的框架，也为未来在更复杂的实际环境中的应用验证奠定了良好基础。