Resumen

Introducimos un mecanismo de clasificación de logotipos que combina una serie de representaciones profundas obtenidas mediante el ajuste fino de arquitecturas de redes neuronales convolucionales (CNN) y algoritmos tradicionales de reconocimiento de patrones. Para evaluar el mecanismo propuesto, construimos un conjunto de datos de logotipos a escala media (llamado Logo-405) y lo tratamos como un punto de referencia para la investigación relacionada con logotipos. Nuestros experimentos se llevan a cabo tanto en el conjunto de datos Logo-405 como en el conjunto de datos públicamente disponible FlickrLogos-32. Los resultados experimentales demuestran que el mecanismo propuesto supera a dos formas populares utilizadas para la clasificación de logotipos, incluidas las estrategias que integran características hechas a mano y algoritmos tradicionales de reconocimiento de patrones, y los modelos que emplean CNNs profundas.

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Clasificación de logotipos; Representaciones profundas; Red neuronal convolucional; Algoritmos de reconocimiento de patrones; Conjunto de datos Logo-405; Referencia.
• Keywords:Logo classification; Deep representations; Convolutional neural network; Pattern recognition algorithms; Logo-405 dataset; Benchmark.