Реализация нейросетевого детектора логотипов

В эру цифровых технологий многие компании нуждаются в средствах мониторинга социальных сетей и медиа, которые могут помочь им улучшить свой клиентский сервис. Зачастую клиенту требуется выделить из всех собранных в интернете публикаций те, которые содержат изображения с логотипом конкретной компании. Это позволяет компании отслеживать в реальном времени проблемы, которыми делятся пользователи в социальных сетях, и оперативно решать их. Одной из компаний, для которой актуально решение данной задачи, является ПАО Сбербанк. В данной работе был реализован нейросетевой классификатор, способный отличать изображения с логотипом Сбербанка от изображений без логотипа Сбербанка, и нейросетевой детектор, способный выделять на изображениях логотип в прямоугольник, если таковой там имеется. Классификатор реализован с помощью технологии переноса обучения (transfer learning), а детектор с помощью transfer learning и алгоритма selective search. Реализованный классификатор имеет долю правильных ответов в районе 97%, точность и полноту приблизительно 94%, скорость обработки порядка 25 изображений в секунду. Полученные результаты свидетельствуют о том, что классификатор готов к запуску на production. В то же время, построенный детектор имеет AUC-PR 0.60 и среднюю скорость обработки изображения 30 секунд. Реализованный детектор имеет хорошую точность, но пока не может быть запущен на production ввиду своей невысокой производительности. Ключевые слова: детектор логотипов, распознавание логотипов, перенос обучения, глубинное обучение, компьютерное зрение.