Using CNNs in the domain of Visual Trademark Retrieval

To be specified upon arrival at University of Klagenfurt.Nowadays we are immersed in the age of Artificial Intelligence and it seems that every application has to be developed following this tendency. But even this actual boom, this technique is not so common to find in the domain of image trademark retrieval. Thus, what this thesis proposes is to create a tool to help the people in charge of the process of indexing and classifying the upcoming visual trademarks, to support them with suggestions following a standard classification. The project involves all the process end-to-end of a classification task in deep learning. From downloading and extraction of a data set for training and testing, passing through the analysis of the state of the art and finishing with the evaluation of the results in our own database. As this field is constantly developing we cannot predict what the future will bring. However, using deep learning in this scenario may help in the future to have more concise labelling and classification of visual trademarks compared to the results of the manual process.Hoy en día no encontramos inmersos en la era de la inteligencia artificial y parece que todas las aplicaciones hayan de ser desarrolladas siguiendo esta tendencia. Pero pese el actual boom en el que vivimos, esta técnica no es muy común encontrarla en el dominio de la retribución de imágenes de marcas. Por lo consiguiente, este trabajo propone crear una herramienta para ayudar a las personas que se encargan del proceso de indexación y clasificación de nuevas marcas, apoyándolos con sugerencias para seguir una clasificación estándar. El proyecto involucra todo el proceso de inicio a final de una tarea de clasificación de aprendizaje profundo. Yendo desde la descarga y extracción de conjunto de datos de entrenamiento y test, pasando por el análisis del estado del arte, y acabando por la evaluación de los resultados en nuestra propia base de datos. Ya que este campo está en constante desarrollo, no podemos predecir qué nos deparará el futuro. Aún y así, utilizando el aprendizaje profundo en este escenario, puede ayudar en un futuro a tener una tarea de etiquetado y clasificación de marcas comerciales comparables a los resultados del proceso manual.Avui en dia ens trobem immerses en l’era de la intel·ligència artificial i sembla que totes les aplicacions hagin de ser desenvolupades seguint aquesta tendència. Però tot i l’actual boom en que vivim, aquesta tècnica no es gaire comú trobar-la en el domini de la retribució d’imatges de marques. Per tant, el que proposa aquest treball és crear una eina per ajudar les persones que s’encarreguen del procés d’indexar i classificar les noves marques, recolzant-los amb suggeriments per seguir una classificació estàndard. El projecte involucra tot el procés de principi a fi d’una tasca de classificació en aprenentatge profund. Des de la descàrrega i extracció d’un conjunt de dades d’entrenament i test, passant per l’anàlisi de l’estat de l’art i acabant per l’avaluació dels resultats en la nostra pròpia base de dades. Ja que aquest camp està en constant desenvolupament, no podem predir el que ens depararà el futur. Tot i així, usant l’aprenentatge profund en aquest escenari, pot ajudar en un futur per tenir una tasca d’etiquetatge i classificació de marques comercials comparable als resultats del procés manual