.png){kind=icon}
返回
LogoXpertNet: a novel lightweight logo classification using deep learning
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-45682-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Logo分类在品牌监控、版权保护和数字取证等多种应用中至关重要。传统计算机视觉技术存在显著局限性，尤其是在处理尺度变化、遮挡和背景杂波方面。尽管深度学习模型，特别是卷积神经网络（CNNs），提供了更优的解决方案，但它们通常伴随着高昂的计算成本，给实时部署带来挑战。本文介绍了LogoXpertNet，一种专为高效Logo分类设计的轻量级深度学习架构。LogoXpertNet的关键创新包括：(1) 基于增强瓶颈和squeeze-and-excitation（SE）块的改进MobileNetV3骨干网络，用于高效特征提取；(2) 一种新颖的跨层特征融合（CLFF）模块，提升网络深度间的特征整合；(3) 新提出的分层挤压-激励空间注意力块（HSE-SAB），动态关注空间和通道级特征；(4) 一种特征感知卷积块注意力模块（FA-CBAM），独特融合空间和频域信息以优化Logo注意力。在FlickrLogos-32、BelgaLogos和WebLogo-2M等基准数据集上的广泛实验表明，LogoXpertNet在保持低计算开销的同时实现了优异的分类性能。由于这些基准数据集上的报告准确率已接近饱和，结果应结合数据集特性、数据划分构建和指标定义进行解读，而非作为所有真实世界Logo识别场景中普适性能的证据。LogoXpertNet为基准Logo分类提供了一个高效且实用的框架，并为未来在更具挑战性的真实世界条件下进行验证奠定了有前景的基础。
Keyword:
Computational biology and bioinformatics
Engineering
Mathematics and computing
Logo classification
Lightweight
Deep learning
Feature fusion
Science
Humanities and Social Sciences
multidisciplinary
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
引用论文
Zhang, C.; Yu, R.; Wang, S.; Zhang, F.; Ge, S.; Li, S.; Zhao, X. Edge-Optimized Lightweight YOLO for Real-Time SAR Object Detection. Remote Sens. 2025, 17, 2168. [Google Scholar] [CrossRef]张, C.; 俞, R.; 王, S.; 张, F.; 葛, S.; 李, S.; 赵X. 边缘优化的轻量级YOLO用于实时SAR目标检测. Remote Sens. 2025, 17, 2168. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Contrastive Multi-View Textual-Visual Encoding: Towards One Hundred Thousand-Scale One-Shot Logo Identification✱Proceedings of the Thirteenth Indian Conference on Computer Vision, Graphics and Image Processing
OAAI
Proceedings of the Thirteenth Indian Conference on Computer Vision, Graphics and Image ProcessingIF0
OAAI分享收藏分享收藏AMFNet: Attention-Guided Multi-Scale Fusion Network for Bi-Temporal Change Detection in Remote Sensing ImagesAMFNet：用于遥感图像双时相变化检测的注意力引导多尺度融合网络OAAI
OAAI分享收藏
查看更多内容