CN115994997A - 具有鉴定功能的二手奢侈品交易平台、***及方法 - Google Patents
具有鉴定功能的二手奢侈品交易平台、***及方法 Download PDFInfo
- Publication number
- CN115994997A CN115994997A CN202111204756.4A CN202111204756A CN115994997A CN 115994997 A CN115994997 A CN 115994997A CN 202111204756 A CN202111204756 A CN 202111204756A CN 115994997 A CN115994997 A CN 115994997A
- Authority
- CN
- China
- Prior art keywords
- luxury
- image
- unit
- information
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种具有鉴定功能的二手奢侈品交易平台、***及方法,涉及图像识别技术领域。本发明包括信息采集单元、图像处理单元、特征提取单元、识别模型训练单元和鉴定单元,信息采集单元,用于采集大量正牌奢侈品的图像信息和/或光学信息;特征提取单元,用于对采集图像信息和/或光学信息进行特征提取;识别模型训练单元,用于根据提取的特征进行深度学***台,不用花费任何费用即可对奢侈品进行鉴定,提高了二手奢侈品的鉴定效率和准确率,降低了消费成本。
Description
技术领域
本发明属于图像识别技术领域,特别是涉及一种具有鉴定功能的二手奢侈品交易平台、***及方法。
背景技术
目前市场上,假冒伪劣奢侈品问题日益突出,众所周知,假冒伪劣奢侈品的安全系数极低,由此引发的安全问题亟待解决,消费者很难鉴别所买的奢侈品是否为正品、并且也不方便检测,另外检测机构在一定的时间内并不能实时的检测出假冒伪劣奢侈品,致使大量的假冒伪劣奢侈品流入顾客手中。
现有技术一般采用二维码等类似的防伪标识,通过扫描防伪标识,顾客大致可以从网络查询到所购买的奢侈品的基本信息,从而判断所购买奢侈品是否为正品;但随着作弊手段的不断更新,真码搭配赝品的手段开始屡见不鲜,消费者通过防伪标识来判断奢侈品是否为真品已变得越来越不靠谱;因此,亟需一种能够在交易平台直接通过图片来鉴定奢侈品真伪的交易平台。
发明内容
本发明的目的在于提供一种具有鉴定功能的二手奢侈品交易平台、***及方法,通过采集大量奢侈品图像奢侈品交易平台上训练奢侈品识别模型,消费者直接上传奢侈品图片至奢侈品交易平台,即可对奢侈品进行鉴定,解决了现有的二手奢侈品鉴定困难、鉴定效率低、需要耗费金钱鉴定的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种具有鉴定功能的二手奢侈品交易平台,包括信息采集单元、图像处理单元、特征提取单元、识别模型训练单元、鉴定单元和鉴定结果展示单元;
所述信息采集单元,用于采集大量正牌奢侈品的图像信息和/或光学信息;
所述特征提取单元,用于对采集图像信息和/或光学信息进行特征提取;
所述识别模型训练单元,用于根据提取的特征进行深度学习模型训练,得到奢侈品识别模型;
所述鉴定单元,用于接收消费者上传的奢侈品照片,并将照片输入至奢侈品识别模型进行识别;
所述鉴定结果展示单元,用于对奢侈品识别模型的识别结果进行展示。
作为一种优选的技术方案,所述信息采集单元采集的图像信息包括奢侈品的线条、形状、图案、表面色彩、纹饰纹样、logo图片、工艺痕迹、老化痕迹、防伪标签中的至少一种;所述光学信息包括奢侈品的表面粗糙度、表面反光、材料通透程度、颜色色阶中的至少一种。
作为一种优选的技术方案,所述特征提取单元包括图像特征提取和颜色特征提取;所述图像特征图提取采用灰度直方图,通过灰度直方图进行归一化操作后,获取每个像素值的数量占图像总像素的比例;所述颜色特征提取包括区域特征、轮廓边界特征、纹理特征和点特征;所述区域特征,用于获取图像上奢侈品所在的区域,作为一个整体来考量区域内像素的分布特征;所述轮廓边界特征,用于获取图像上奢侈品所在区域的边界轮廓特征,包括边界曲线上点的坐标序列以及曲线上点至区域重心的距离;所述纹理特征,用于通过图像滤波中的高通滤波器中高频成分,提取图像边缘;所述点特征,用于通过局部特征点对图像进行分析。
本发明为一种具有鉴定功能的二手奢侈品交易***,包括部署在服务器上的奢侈品交易平台、厂商信息供应单元和消费者单元;
所述奢侈品交易平台,用于直接接收消费者鉴定请求,并对查询的奢侈品进行鉴定,如果鉴定的奢侈品是正品,则生成电子证书提供给消费者;如果鉴定的奢侈品是赝品,则列出赝品的判定依据,并提取赝品的特征信息作为奢侈品识别模型的训练集;
所述厂商信息供应单元,用于向奢侈品交易平台提交奢侈品图片以及防伪标签;
所述消费者单元,用于通过移动终端向奢侈品交易平台上传待鉴定的奢侈品照片,获取奢侈品真假信息。
作为一种优选的技术方案,所述奢侈品交易平台在对消费者上传的图片进行鉴定后,确认奢侈品为真品,则奢侈品交易平台根据当前奢侈品基本信息生成电子证书;所述电子证书包括品名、生产日期、销售地点、内外层条码和买家身份信息。
本发明为一种具有鉴定功能的二手奢侈品交易方法,包括如下步骤:
步骤S1:从厂商信息供应单元采集大量正牌奢侈品的图像信息和/或光学信息;
步骤S2:对图像信息和/或光学信息进行图像预处理;
步骤S3:将处理后的图像进行特征提取;
步骤S4:根据提取的特征训练奢侈品识别模型;
步骤S5:消费者登录奢侈品交易平台上传需要处理奢侈品图片;
步骤S6:奢侈品交易平台将图片导入到奢侈品识别模型;
步骤S7:奢侈品识别模型输出识别结果。
作为一种优选的技术方案,所述步骤S2中,预处理包括如下步骤:
步骤S11:对获取的图像进行阈值分割,将原始彩色图像转换成灰度图像;
步骤S12:灰度图像进行二值化处理,提取感兴趣区域;
步骤S13:截取ROI区域生成ROI图像;
步骤S14:扩充数据集,对预处理数据集进行数据扩展;
步骤S15:对检测出的ROI区域的图像进行矫正生成矫正后图像;
步骤S16:将矫正后图像进行特征提取。
作为一种优选的技术方案,所述步骤S12和步骤S13中还设置有图像质量调整步骤,所述图像质量调整步骤通过如下任一种或任多种实现:当图像的曝光量大于第一预定阈值时,降低所述图像的饱和度;当图像的曝光量小于第二预定阈值时,增加所述图像的饱和度识别出所述图像上的模糊区域,将所述模糊区域进行清晰度调整;
所述降低或增加图像饱和度通过设置饱和度调节因子实现,利用曝光量和饱和度调节因子形成坐标轴,不同曝光量对应设置不同的饱和度调节因子,形成不同的直线斜率,其中,斜率表示通过饱和度调节因子调节图像色彩渐变的快慢。
作为一种优选的技术方案,所述步骤S14中,预处理数据集的数据扩展包括图像加噪处理和图像几何变化处理;所述图像加噪处理,用于对图像进行部分遮挡,增加训练样本;所述图像加噪处理包括椒盐噪声处理。高斯噪声处理和泊松噪声处理;所述图像几何变化处理,用于对图像进行镜像翻转和多角度防止,增加训练样本。
作为一种优选的技术方案,所述步骤S4中,训练奢侈品识别模型的具体步骤如下:
步骤S41:创建AlexNet网络结构,所述AlexNet网络结构为八层,前五层为卷基层,后三层为全连接层;
步骤S42:创建数据库,生成数据迭代器,制作.rec文件;
步骤S43:创建网络模型;
步骤S44:训练网络模型;
步骤S45:将训练好的网络模型进行测试,判定识别结果是否正确。
本发明具有以下有益效果:
本发明通过采集大量奢侈品图像奢侈品交易平台上训练奢侈品识别模型,消费者直接上传奢侈品图片至奢侈品交易平台,即可对奢侈品进行鉴定,提高了二手奢侈品的鉴定效率和准确率,同时消费者不用花费任何金钱就能完成鉴定,降低了消费成本。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种具有鉴定功能的二手奢侈品交易平台结构示意图;
图2为本发明的一种具有鉴定功能的二手奢侈品交易***结构示意图;
图3为本发明的一种具有鉴定功能的二手奢侈品交易方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种具有鉴定功能的二手奢侈品交易平台,包括信息采集单元、图像处理单元、特征提取单元、识别模型训练单元、鉴定单元和鉴定结果展示单元;
信息采集单元,用于采集大量正牌奢侈品的图像信息和/或光学信息;
特征提取单元,用于对采集图像信息和/或光学信息进行特征提取;
识别模型训练单元,用于根据提取的特征进行深度学习模型训练,得到奢侈品识别模型;
鉴定单元,用于接收消费者上传的奢侈品照片,并将照片输入至奢侈品识别模型进行识别;
鉴定结果展示单元,用于对奢侈品识别模型的识别结果进行展示。
信息采集单元采集的图像信息包括奢侈品的线条、形状、图案、表面色彩、纹饰纹样、logo图片、工艺痕迹、老化痕迹、防伪标签中的至少一种;光学信息包括奢侈品的表面粗糙度、表面反光、材料通透程度、颜色色阶中的至少一种。
特征提取单元包括图像特征提取和颜色特征提取;图像特征图提取采用灰度直方图,通过灰度直方图进行归一化操作后,获取每个像素值的数量占图像总像素的比例,如经过长期的发展,颜色特征的描述方式有很多种,常用的有灰度直方图、颜色直方图、颜色矩、颜色集、颜色相关矢量等。图像是由像素组成,并且每个像素有不同的数值。在RGB空间中灰度图像的每个像素值是0~255之间的值,黑色为0,白色为255。灰度直方图是统计图像上具有某一像素值的像素数量;颜色特征提取包括区域特征、轮廓边界特征、纹理特征和点特征;区域特征,用于获取图像上奢侈品所在的区域,作为一个整体来考量区域内像素的分布特征,如区域特征,指的是将图像上奢侈品所在区域,作为一个整体来考量区域内像素分布的统计特征。描述区域形状的方法主要有:面积、重心、圆形度、凸凹性、纵横比等,还有该区域的矩。最常用的方法是矩方法,矩是通过区域内所有点进行积分运算得到的特征。其中轮廓矩包含了10个空间矩、7个中心矩和7个归一化中心矩,这些轮廓矩共同表示了奢侈品区域形状的紧湊程度。比如,零阶矩表示区域面积,零阶矩和一阶矩计算区域中心,二阶矩计算区域方向;轮廓边界特征,用于获取图像上奢侈品所在区域的边界轮廓特征,包括边界曲线上点的坐标序列以及曲线上点至区域重心的距离;纹理特征,用于通过图像滤波中的高通滤波器中高频成分,提取图像边缘,如:纹理是一种十分复杂的图像特征,从视觉的角度来看,图像纹理在局部区域表现出不规则性,但是在整体上则呈现出某种有规律性或者周期性。纹理可分为自然纹理和人工纹理,前者比如沙淮、森林和草地等,后者比如帆布、线条等;点特征,用于通过局部特征点对图像进行分析,如从奢侈品图像中选取某些关键点,以这些局部特征点对图像进行分析,而非观察整幅图像。只要图像中有足够多可检测的关键点,并且这些特征点各不相同且特征稳定,能被精确地定位,那么就可以更好地识别物体。以关键点作为特征,属于局部特征。在物体识别领域,与全局特征相比能更好地描述和匹配图像。传统地特征点往往是两条边缘线地接合的角点,但是提取角点对环境和空间的适应能力较差于是研究者重点关注对缩放、旋转、变换和光照变化等情况下依旧能够较好地被准确提取的点,比如SIFT、SUR。
请参阅图2所示,本发明为一种具有鉴定功能的二手奢侈品交易***,包括部署在服务器上的奢侈品交易平台、厂商信息供应单元和消费者单元;
奢侈品交易平台,用于直接接收消费者鉴定请求,并对查询的奢侈品进行鉴定,如果鉴定的奢侈品是正品,则生成电子证书提供给消费者;如果鉴定的奢侈品是赝品,则列出赝品的判定依据,并提取赝品的特征信息作为奢侈品识别模型的训练集;
厂商信息供应单元,用于向奢侈品交易平台提交奢侈品图片以及防伪标签;
消费者单元,用于通过移动终端向奢侈品交易平台上传待鉴定的奢侈品照片,获取奢侈品真假信息。
奢侈品交易平台在对消费者上传的图片进行鉴定后,确认奢侈品为真品,则奢侈品交易平台根据当前奢侈品基本信息生成电子证书;电子证书包括品名、生产日期、销售地点、内外层条码和买家身份信息,假的奢侈品则将与正品不同的图像进行采集,作为训练用的负样本集,从而完善奢侈品识别模型。
请参阅图3所示,本发明为一种具有鉴定功能的二手奢侈品交易方法,包括如下步骤:
步骤S1:从厂商信息供应单元采集大量正牌奢侈品的图像信息和/或光学信息;
步骤S2:对图像信息和/或光学信息进行图像预处理;
步骤S3:将处理后的图像进行特征提取;
步骤S4:根据提取的特征训练奢侈品识别模型;
步骤S5:消费者登录奢侈品交易平台上传需要处理奢侈品图片;
步骤S6:奢侈品交易平台将图片导入到奢侈品识别模型;
步骤S7:奢侈品识别模型输出识别结果。
步骤S2中,预处理包括如下步骤:
步骤S11:对获取的图像进行阈值分割,将原始彩色图像转换成灰度图像;
步骤S12:灰度图像进行二值化处理,提取感兴趣区域;
步骤S13:截取ROI区域生成ROI图像;
步骤S14:扩充数据集,对预处理数据集进行数据扩展;
步骤S15:对检测出的ROI区域的图像进行矫正生成矫正后图像;
步骤S16:将矫正后图像进行特征提取。
步骤S12和步骤S13中还设置有图像质量调整步骤,图像质量调整步骤通过如下任一种或任多种实现:当图像的曝光量大于第一预定阈值时,降低图像的饱和度;当图像的曝光量小于第二预定阈值时,增加图像的饱和度识别出图像上的模糊区域,将模糊区域进行清晰度调整;
降低或增加图像饱和度通过设置饱和度调节因子实现,利用曝光量和饱和度调节因子形成坐标轴,不同曝光量对应设置不同的饱和度调节因子,形成不同的直线斜率,其中,斜率表示通过饱和度调节因子调节图像色彩渐变的快慢。
步骤S14中,预处理数据集的数据扩展包括图像加噪处理和图像几何变化处理;图像加噪处理,用于对图像进行部分遮挡,增加训练样本;图像加噪处理包括椒盐噪声处理。高斯噪声处理和泊松噪声处理;图像几何变化处理,用于对图像进行镜像翻转和多角度防止,增加训练样本。
步骤S4中,训练奢侈品识别模型的具体步骤如下:
步骤S41:创建AlexNet网络结构,AlexNet网络结构为八层,前五层为卷基层,后三层为全连接层;
步骤S42:创建数据库,生成数据迭代器,制作.rec文件;
步骤S43:创建网络模型;
步骤S44:训练网络模型;
步骤S45:将训练好的网络模型进行测试,判定识别结果是否正确。
值得注意的是,上述***实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种具有鉴定功能的二手奢侈品交易平台,包括信息采集单元、图像处理单元、特征提取单元、识别模型训练单元、鉴定单元和鉴定结果展示单元,其特征在于:
所述信息采集单元,用于采集大量正牌奢侈品的图像信息和/或光学信息;
所述特征提取单元,用于对采集图像信息和/或光学信息进行特征提取;
所述识别模型训练单元,用于根据提取的特征进行深度学习模型训练,得到奢侈品识别模型;
所述鉴定单元,用于接收消费者上传的奢侈品照片,并将照片输入至奢侈品识别模型进行识别;
所述鉴定结果展示单元,用于对奢侈品识别模型的识别结果进行展示。
2.根据权利要求1所述的一种具有鉴定功能的二手奢侈品交易平台,其特征在于,所述信息采集单元采集的图像信息包括奢侈品的线条、形状、图案、表面色彩、纹饰纹样、logo图片、工艺痕迹、老化痕迹、防伪标签中的至少一种;所述光学信息包括奢侈品的表面粗糙度、表面反光、材料通透程度、颜色色阶中的至少一种。
3.根据权利要求1所述的一种具有鉴定功能的二手奢侈品交易平台,其特征在于,所述特征提取单元包括图像特征提取和颜色特征提取;所述图像特征图提取采用灰度直方图,通过灰度直方图进行归一化操作后,获取每个像素值的数量占图像总像素的比例;所述颜色特征提取包括区域特征、轮廓边界特征、纹理特征和点特征;所述区域特征,用于获取图像上奢侈品所在的区域,作为一个整体来考量区域内像素的分布特征;所述轮廓边界特征,用于获取图像上奢侈品所在区域的边界轮廓特征,包括边界曲线上点的坐标序列以及曲线上点至区域重心的距离;所述纹理特征,用于通过图像滤波中的高通滤波器中高频成分,提取图像边缘;所述点特征,用于通过局部特征点对图像进行分析。
4.一种具有鉴定功能的二手奢侈品交易***,其特征在于,包括部署在服务器上的奢侈品交易平台、厂商信息供应单元和消费者单元;
所述奢侈品交易平台,用于直接接收消费者鉴定请求,并对查询的奢侈品进行鉴定,如果鉴定的奢侈品是正品,则生成电子证书提供给消费者;如果鉴定的奢侈品是赝品,则列出赝品的判定依据,并提取赝品的特征信息作为奢侈品识别模型的训练集;
所述厂商信息供应单元,用于向奢侈品交易平台提交奢侈品图片以及防伪标签;
所述消费者单元,用于通过移动终端向奢侈品交易平台上传待鉴定的奢侈品照片,获取奢侈品真假信息。
5.根据权利要求4所述的一种具有鉴定功能的二手奢侈品交易***,其特征在于,所述奢侈品交易平台在对消费者上传的图片进行鉴定后,确认奢侈品为真品,则奢侈品交易平台根据当前奢侈品基本信息生成电子证书;所述电子证书包括品名、生产日期、销售地点、内外层条码和买家身份信息。
6.一种具有鉴定功能的二手奢侈品交易方法,其特征在于,包括如下步骤:
步骤S1:从厂商信息供应单元采集大量正牌奢侈品的图像信息和/或光学信息;
步骤S2:对图像信息和/或光学信息进行图像预处理;
步骤S3:将处理后的图像进行特征提取;
步骤S4:根据提取的特征训练奢侈品识别模型;
步骤S5:消费者登录奢侈品交易平台上传需要处理奢侈品图片;
步骤S6:奢侈品交易平台将图片导入到奢侈品识别模型;
步骤S7:奢侈品识别模型输出识别结果。
7.根据权利要求6所述的一种具有鉴定功能的二手奢侈品交易方法,其特征在于,所述步骤S2中,预处理包括如下步骤:
步骤S11:对获取的图像进行阈值分割,将原始彩色图像转换成灰度图像;
步骤S12:灰度图像进行二值化处理,提取感兴趣区域;
步骤S13:截取ROI区域生成ROI图像;
步骤S14:扩充数据集,对预处理数据集进行数据扩展;
步骤S15:对检测出的ROI区域的图像进行矫正生成矫正后图像;
步骤S16:将矫正后图像进行特征提取。
8.根据权利要求7所述的一种具有鉴定功能的二手奢侈品交易方法,其特征在于,所述步骤S12和步骤S13中还设置有图像质量调整步骤,所述图像质量调整步骤通过如下任一种或任多种实现:当图像的曝光量大于第一预定阈值时,降低所述图像的饱和度;当图像的曝光量小于第二预定阈值时,增加所述图像的饱和度识别出所述图像上的模糊区域,将所述模糊区域进行清晰度调整;
所述降低或增加图像饱和度通过设置饱和度调节因子实现,利用曝光量和饱和度调节因子形成坐标轴,不同曝光量对应设置不同的饱和度调节因子,形成不同的直线斜率,其中,斜率表示通过饱和度调节因子调节图像色彩渐变的快慢。
9.根据权利要求7所述的一种具有鉴定功能的二手奢侈品交易方法,其特征在于,所述步骤S14中,预处理数据集的数据扩展包括图像加噪处理和图像几何变化处理;所述图像加噪处理,用于对图像进行部分遮挡,增加训练样本;所述图像加噪处理包括椒盐噪声处理。高斯噪声处理和泊松噪声处理;所述图像几何变化处理,用于对图像进行镜像翻转和多角度防止,增加训练样本。
10.根据权利要求6所述的一种具有鉴定功能的二手奢侈品交易方法,其特征在于,所述步骤S4中,训练奢侈品识别模型的具体步骤如下:
步骤S41:创建AlexNet网络结构,所述AlexNet网络结构为八层,前五层为卷基层,后三层为全连接层;
步骤S42:创建数据库,生成数据迭代器,制作.rec文件;
步骤S43:创建网络模型;
步骤S44:训练网络模型;
步骤S45:将训练好的网络模型进行测试,判定识别结果是否正确。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204756.4A CN115994997A (zh) | 2021-10-15 | 2021-10-15 | 具有鉴定功能的二手奢侈品交易平台、***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111204756.4A CN115994997A (zh) | 2021-10-15 | 2021-10-15 | 具有鉴定功能的二手奢侈品交易平台、***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115994997A true CN115994997A (zh) | 2023-04-21 |
Family
ID=85988996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111204756.4A Pending CN115994997A (zh) | 2021-10-15 | 2021-10-15 | 具有鉴定功能的二手奢侈品交易平台、***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115994997A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935140A (zh) * | 2023-08-04 | 2023-10-24 | 北京邮电大学 | 基于油墨的奢侈品鉴定模型训练方法、鉴定方法及装置 |
-
2021
- 2021-10-15 CN CN202111204756.4A patent/CN115994997A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935140A (zh) * | 2023-08-04 | 2023-10-24 | 北京邮电大学 | 基于油墨的奢侈品鉴定模型训练方法、鉴定方法及装置 |
CN116935140B (zh) * | 2023-08-04 | 2024-04-16 | 北京邮电大学 | 基于油墨的奢侈品鉴定模型训练方法、鉴定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020161149A (ja) | 真贋判定方法、真贋判定システム、及びそのプログラム | |
Amerini et al. | A sift-based forensic method for copy–move attack detection and transformation recovery | |
AU2008335637B2 (en) | Document verification using dynamic document identification framework | |
AU2008335636B2 (en) | Identification and verification of an unknown document according to an Eigen image process | |
CN109961101A (zh) | 货架状态确定方法及装置、电子设备、存储介质 | |
CN104537544A (zh) | 带覆盖层的基于背景纹理特征提取的商品二维码防伪方法及*** | |
US20130136310A1 (en) | Method and System for Collecting Information Relating to Identity Parameters of A Vehicle | |
US10262432B1 (en) | System and method for measuring and comparing items using computer vision | |
WO2019243594A1 (en) | Within document face verification | |
EP3033714A1 (en) | Image identification marker and method | |
EP3016028A1 (en) | Systems, methods and articles for reading highly blurred machine-readable symbols | |
CA3059003C (en) | Training a card type classifier with simulated card images | |
CN111784675A (zh) | 物品纹理信息处理的方法、装置、存储介质及电子设备 | |
Suresh et al. | Indian currency recognition and verification using image processing | |
Schetinger et al. | Image forgery detection confronts image composition | |
Rashwan et al. | Using curvilinear features in focus for registering a single image to a 3D object | |
CN115994997A (zh) | 具有鉴定功能的二手奢侈品交易平台、***及方法 | |
Agarwal et al. | The advent of deep learning-based image forgery detection techniques | |
CN115035533B (zh) | 一种数据鉴真处理方法、装置、计算机设备及存储介质 | |
Chandrappa et al. | Machine Learning Algorithms for Identifying Fake Currencies | |
CN111316305A (zh) | 用于认证消费产品的***和方法 | |
Abraham | Digital image forgery detection approaches: A review and analysis | |
CN110288359B (zh) | 码指纹防伪方法 | |
CN110310131A (zh) | 码指纹防伪方法和码指纹防伪*** | |
JP7069627B2 (ja) | 情報記録媒体の読み取り方法および真贋判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |