상표권 보호를 위한 상표 이미지의 진위 결정에 심층 신경망인 합성곱 신경망을 이용할 수 있다. 이를 위해, 상표로 등록되어 있는 한 장의 상표 이미지를 반복적으로 학습하는 것은 기계학습의 성능을 감소시키는 원인이 된다. 따라서, 이러한 응용에서 학습 데이터는 다양한 방법으로 생성된다. 하지만 대상 이미지가 회전되어 있으면 원본이라 하더라도 인식하지 못하거나 위조 상표로 분류되기도 한다. 본 논문에서는 회전한 상표 이미지의 진위 결정을 위한 기계학습 데이터의 확장 방법을 제안한다. 본 논문에서 제안하는 학습 데이터 확장 방법은 기울어진 이미지를 생성하고 이를 학습 데이터로 사용하는 것이다. 본 논문에서 제안하는 학습 데이터 확장 방법의 유효성 검증을 위해 대학의 로고를 대상으로 학습 데이터를 생성하였으며, 이를 활용하여 합성곱 신경망을 학습시킨 후 검증용 데이터를 이용하여 정확도를 평가하였다. 정확도 평가 결과에 따르면 본 논문에서 제안한 방법으로 생성한 학습 데이터를 활용하면 회전한 상표를 대상으로 한 진위 여부 결정에 합성곱 신경망을 활용할 수 있다.
For protecting copyright for trademark, convolutional neural network can be used to confirm genuine of trademark image. For this, repeated training one trademark image degrades the performance of machine learning because of overfitting problem. Therefore, this type of machine learning application generates training data in various way. But if genuine trademark image is rotated, this image is classified as not genuine trademark. In this paper, we propose the way for extending training data to confirm genuine of trademark image which is rotated. Our proposed way generates rotated image from genuine trademark image as training data. To show effectiveness of our proposed way, we use CNN machine learning model, and evaluate the accuracy with test image. From evaluation result, our way can be used to generate training data for machine learning application which confirms genuine of rotated trademark image.
J. Yun, "A Study on Similar Trademark Search Model Using Convolutional Neural Networks," MS. dissertation, Graduate School, KwangWoon Univ., Seoul, Korea, 2018.
S. Bae, J. Park, S. Oh, T. Jung, and H. Choi, "A Survey and Analysis of the trademark management activity in the Domestic Companies,", Korea Intellectual Property Office, Dec. 2013.
H. Park, S. Moon, M. Lee, M. Lee and B. Gu, "Training Data Extension Way for Machine Learning Classifying Original and Imitation Logo," in Proc. Of the Fall Conference on ICT Platform(PTL), Seoul, 2019, pp. 17-19.
A. Krizhevsky, "The CIFAR-10 & CIFAR-100," https://www.cs.toronto.edu/~kriz/cifar.html
A. Krizhevsky, I. Sutskever, and G. Hinton, "Imagenet classification with deep convolutional neural networks," In Advances in Neural Information Processing Systems 25(NIPS 2012), 2012, pp.1097-1105.
G. Szegedy, W. Liu, P. Sermanet, S. Reed, D. Anguelov, and A. Rabinovich, "Going deeper with Convolutions," In Proc. Of the IEEE Conference on Computer Vision and Pattern Recognition(CVPR), 2015, pp.1-9.
J. Fadaee, A. Bisazza and C. Monz, "Data augmentation for low-resource neural machine translation," arXiv:1705.00440, May. 2017.
Y. LeCun and Y Bengio, "Convolutional networks for images, speech, and time series," The handbook of brain theory and neural networks, MIT Press, MA, USA, 1998, pp.255-258