본문 바로가기
KERD
논문KCI 등재

합성곱 신경망(Convolutional Neural Network)을 활용한 지능형 유사상표 검색 모형 개발

A Study on Similar Trademark Search Model Using Convolutional Neural Networks

윤재웅|이석준|김연식|정미영|정상일|송칠용
대한경영정보학회 (Daehan Academy Of Management Information Systems)|2019.09|경영과 정보연구 (Management & Information Systems Review)|제38권 제3호|pp. 55-80|DOI 10.29214/damis.2019.38.3.004

1

조회

0

다운로드

5

인용

0

참고문헌

키워드

Deep Learning딥 러닝합성곱신경망Convolutional Neural Network상표 검색 시스템이미지 검색 알고리즘Trademark Retrieval SystemImage retrieval Algorithm
주제분류경영학

초록

전 세계적으로 온라인 상거래 시장 규모가 성장함에 따라 국제 및 국내 기업의 상표권이 침해되는 사례가 빈번하게 발생하고 있다. 다양한 연구 및 보고서에 따르면, 해외 기업 또는 개인이 국내 기업의 상표권을 침해한 사례와, 국내 기업 간 발생하는 상표권 분쟁 사례가 증가하고 있는 것으로 나타나고 있으며, 특허청의 보고서에 따르면 기업의 규모가 작을수록 상표보호를 위한 사전 예방활동을 수행하지 않는다고 응답한 비율이 높은 것으로 나타났다. 이러한 문제는 선등록 상표에 대한 사전조사 또는 자사의 상표보호를위해 소요되는 인력과 비용이 원인인 것으로 판단된다. 한편, 국내에서 선등록상표에 대한 사전조사를 위해 상용되는 서비스를 살펴보면 상표 이미지를 활용한검색 서비스를 제공하고 있지 않은 상황이다. 이로 인해 국내 대다수의 기업은 자사의 상표 보호 및 선등록 상표에 대한 사전조사 수행 시 방대한 양의 선등록된 상표를 수작업으로 조사해야하는 문제가 발생한다. 따라서 본 연구에서는 기업의 상표권 보호 및 선등록 상표에 대한 사전조사 수행 시 투입되는 인력 및비용절감과, 국내외에서 발생하고 있는 상표권 침해 문제를 해결하기 위해 합성곱 신경망 기법을 활용한지능형 유사 상표 검색 모델을 개발하고자 한다. 지적 재산권 전문가가 선정한 테스트 데이터를 활용하여지능형 유사 상표 검색 모델의 정확도를 측정한 결과 ResNet V1 101의 성능이 가장 높게 나타났다. 해당결과를 통해 이미지 분류 알고리즘이 단순한 사물 인식 분야뿐만 아니라 이미지 검색 분야에서도 높은 성능을 나타낸다는 것을 실증적으로 입증했으며, 본 연구는 실제 상표 이미지 데이터를 활용했다는 측면에서실제 산업 환경에서 활용성이 높을 것으로 사료된다.

Abstract

Recently, many companies improving their management performance by building a powerful brand value which is recognized for trademark rights. However, as growing up the size of online commerce market, the infringement of trademark rights is increasing. According to various studies and reports, cases of foreign and domestic companies infringing on their trademark rights are increased. As the manpower and the cost required for the protection of trademark are enormous, small and medium enterprises(SMEs) could not conduct preliminary investigations to protect their trademark rights. Besides, due to the trademark image search service does not exist, many domestic companies have a problem that investigating huge amounts of trademarks manually when conducting preliminary investigations to protect their rights of trademark. Therefore, we develop an intelligent similar trademark search model to reduce the manpower and cost for preliminary investigation. To measure the performance of the model which is developed in this study, test data selected by intellectual property experts was used, and the performance of ResNet V1 101 was the highest. The significance of this study is as follows. The experimental results empirically demonstrate that the image classification algorithm shows high performance not only object recognition but also image retrieval. Since the model that developed in this study was learned through actual trademark image data, it is expected that it can be applied in the real industrial environment.

참고문헌 (65)

  1. 김대중, "중국 중재시장 개방에 따른 중국 진출 기업의 상표권 침해 분쟁 중재 가능성", 중국법연구, 29, pp.453~488 (2017), 한중법학회[DOI]
  2. 김문태, "브랜드자산에 대한 국가이미지 및 기업이미지의 영향에 연구 -중국시장에 진출한 글로벌 브랜드 및 중국 브랜드에 대한 비교를 중심으로-", 경영과 정보연구, 30(1), pp.187~209 (2011), 대한경영정보학회[DOI]
  3. 김상조, "브랜드 라이센싱이 소비자지각에 미치는 연구 - 상품유형과의 적합성이 지각된 위험에 미치는 영향을 중심으로 -", 경영과 정보연구, 34(2), pp.79~95 (2015), 대한경영정보학회[DOI]
  4. 김원오, "상표의 동일성 판단기준의 변화상에 관한 고찰", 동북아법연구, 11(2), pp.383~414 (2017), 동북아법연구소[DOI]
  5. 김원준, "결합상표의 유사판단기준에 관한 연구", 법학논총, 31(3), pp.83~124 (2011), 법학연구소
  6. 김지환, "오픈마켓운영자의 상표권 간접침해책임에 관한 소고", 법학연구, 22(1), pp.169~196 (2014), 법학연구소
  7. 김한웅, "폐 결절 검출을 위한 합성곱 신경망의 성능 개선", 의공학회지, 38(5), pp.237~241 (2017), 대한의용생체공학회
  8. 김현진, "유통업체 브랜드와 제조업체 브랜드에 대한 원산지 정보의 효과", 마케팅논집(Journal of Marketing Studies), 21(4), pp.129~148 (2013), 한국전략마케팅학회
  9. 나동규, "지리적표시 단체표장의 위조상표 단속 강화방안", 과학기술법연구, 21(2), pp.25~52 (2015), 과학기술법연구원[DOI]
  10. 박문기, "브랜드 재활성화를 위한 상표권 가치 평가 모델 개발:와바 프랜차이즈 브랜드를 중심으로", 마케팅논집(Journal of Marketing Studies), 23(2), pp.179~194 (2015), 한국전략마케팅학회
  11. 박승용, "지적재산권의 보호에 관한 고찰", 평택대학교, 18, pp.145~162 (2004)
  12. 설기석, "기타 식별력 없는 상표의 판단기준 및 개선안에 관한 고찰", 서강법률논총, 6(1), pp.61~99 (2017)
  13. 신군재, "ADR을 통한 지식재산권분쟁 해결방안에 관한 연구", 국제상학, 29(4), pp.383~403 (2014), 한국국제상학회[DOI]
  14. 양대승, "업무표장의 식별력과 유사 여부 판단에 관한 고찰 - 업무표장 관련 분쟁 사례를 중심으로 -", 과학기술법연구, 20(2), pp.107~148 (2014), 과학기술법연구원[DOI]
  15. 우광명, "지적재산권분쟁에 대한 ADR의 적응성", 무역학회지, 33(2), pp.265~290 (2008), 한국무역학회
  16. 윤영수, "브랜드경영과 상표권", 법학연구, (25), pp.451~476 (2007), 한국법학회
  17. 윤재웅, "합성곱 신경망(Convolutional Neural Network)을 활용한 지능형 아토피피부염 중증도 진단 모델 개발", 경영과 정보연구, 36(4), pp.33~51 (2017), 대한경영정보학회[DOI]
  18. 이경탁, "일면구전과 양면구전이 브랜드에 대한 태도 및 메시지에 대한 태도에 미치는 영향", 마케팅논집(Journal of Marketing Studies), 22(4), pp.63~83 (2014), 한국전략마케팅학회
  19. 장준양, "중국법상 오픈마켓에서 이용자의 상표권 침해에 대한 운영자의 책임에 관한 연구", 국제상학, 30(1), pp.49~70 (2015), 한국국제상학회[DOI]
  20. 정문성, "지식재산권 분쟁시 바람직한 대체적 분쟁해결 제도(ADR)", 한국엔터테인먼트산업학회논문지, 9(1), pp.287~297 (2015), 한국엔터테인먼트산업학회
  21. 정태호, "상표권 침해 및 부정경쟁행위에 관한 상표의 유사 판단의 비판적 검토 - 대법원 2014. 6. 26. 선고 2012다12849 판결을 중심으로 -", 법학논집, 20(1), pp.367~404 (2015), 법학연구소
  22. 조경선, "산업재산권 평가제도의 현황과 과제", 산업재산권, (16), pp.431~466 (2004), 한국지식재산학회
  23. 조영선, "상표권 침해에 대한 구제 법리의 재검토 - 경과실 감액을 중심으로 -", 법조, 62(8), pp.45~92 (2013), 법조협회[DOI]
  24. 차상육, "상표권침해를 둘러싼 오픈마켓운영자의 법적 책임", 경제법연구, 13(1), pp.25~64 (2014), 한국경제법학회[DOI]
  25. 국내기업의 상표관리행동 실태조사․분석, "특허청", ~ (2013)
  26. 한주찬, "자율주행차를 위한 장애물 탐지 및 인식 시스템", 융합정보논문지, 7(6), pp.229~235 (2017), 중소기업융합학회[DOI]
  27. 황선유, "심층 합성곱 신경망 기반 의미론적 분할 모델을 이용한 영상기반 비행체 검출", 제어.로봇.시스템학회 논문지, 23(8), pp.625~634 (2017), 제어·로봇·시스템학회[DOI]
  28. Anderson, E. W., "Customer satisfaction and price tolerance", Marketing letters, 7(3), pp.265~274 (1996)
  29. Anderson, E. W., "Customer satisfaction, market share, and profitability : Findings from Sweden", The Journal of marketing, 5, pp.3~66 (1994)
  30. Anderson, E. W., "Customer satisfaction and shareholder value", Journal of marketing, 68(4), pp.172~185 (2004)
  31. Armato, S. G., "The lung image database consortium(LIDC)and image database resource initiative(IDRI) : a completed reference database of lung nodules on CT scans", Medical physics, 38(2), pp.915~931 (2011)
  32. Badrinarayanan, V., "Segnet : A deep convolutional encoder-decoder architecture for image segmentation", IEEE transactions on pattern analysis and machine intelligence, 39(12), pp.2481~2495 (2017)
  33. Ballester, P., "On the performance of GoogLeNet and AlexNet applied to sketches", Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence, pp.1124~1128 (2016)
  34. Bjerrum, E. J., "Smiles enumeration as data augmentation for neural network modeling of molecules", arXiv preprint arXiv:1703.07076, ~ (2017)
  35. Bishop, C. M., "Pattern recognition and machine learning" (2007), Springer
  36. Chatfield, K., "Return of the devil in the details : Delving deep into convolutional nets", arXiv preprint arXiv:1405.3531, ~ (2014)
  37. Cireşan, D., "Multicolumn deep neural networks for offline handwritten Chinese character classification", Neural Networks 2015 International Joint Conference on IEEE, pp.1~6 (2015)
  38. Dispoto, A. J., "Protecting Small Businesses against Trademark Bullying:Creating a Federal Law to Remove the Disparity of Leverage Trademark Holders Maintain over Small Business", San Diego Int'l LJ, 16, pp.457~498 (2014)
  39. Duchi, J., "Adaptive subgradient methods for online learning and stochastic optimization", Journal of Machine Learning Research, 12, pp.2121~2159 (2011)
  40. Esteva, A., "Dermatologist-level classification of skin cancer with deep neural networks", Nature, 542(7639), pp.115~118 (2017)
  41. Fadaee, M., "Data augmentation for low-resource neural machine translation", arXiv preprint arXiv:1705.00440, ~ (2017)
  42. Fernandes, S., "A case study approach-An analysis of the infringement of trademark by comparative advertising", Procedia-Social and Behavioral Sciences, 133, pp.346~357 (2014)
  43. Goodfellow, I., "Deep learning Vol. 1" (2016), MIT press
  44. Gulshan, V., "Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs", Jama, 316(22), pp.2402~2410 (2016)
  45. Simon Haykin., "Neural networks : A comprehensive foundation" (2004), Prentice Hall
  46. Harris, D., "Digital design and computer architecture" (2010), Morgan Kaufmann
  47. He, K., "Deep residual learning for image recognition", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.770~778 (2016)
  48. Krizhevsky, A., "Imagenet classification with deep convolutional neural networks", In Advances in neural information processing systems, 109, pp.7~1105 (2012)
  49. Lan, T., "Similar Trademark Image Retrieval Based on Convolutional Neural Network and Constraint Theory", 2018 Eighth International Conference on Image Processing Theory, Tools and Applications (IPTA), pp.1~6 (2018)
  50. LeCun, Y., "Backpropagation applied to handwritten zip code recognition", Neural computation, 1(4), pp.541~551 (1989)
  51. LeCun, Y., "Learning algorithms for classification : A comparison on handwritten digit recognition", Neural networks : the statistical mechanics perspective, 26, pp.1~276 (1995)
  52. Marsoof, A., "Keywords advertising : Issues of trademark infringement", Journal of International Commercial Law &Technology, 5(4), pp.240~251 (2010)
  53. Mealem, Y., "Trademark infringement and optimal monitoring policy", Journal of Economics and Business, 62(2), pp.116~128 (2010)
  54. Nair, V., "Rectified linear units improve restricted boltzmann machines", Proceedings of the 27th international conference on machine learning, pp.807~814 (2010)
  55. Parkhi, O. M., "Deep face recognition", British Machine Vision Conference, 1(3), pp.1~12 (2015)
  56. Razavian, A. S., "CNN features off-the-shelf : an astounding baseline for recognition", Computer Vision and Pattern Recognition Workshops 2014IEEE Conference, pp.512~519 (2014)
  57. Rumelhart, D. E., "Learning representations by back-propagating errors", Nature, 323(6088), pp.533~536 (1986)
  58. Shi, J., "Good features to track", Computer Vision and Pattern Recognition 1994 IEEE Computer Society Conference on, pp.593~600 (1994)
  59. Simonyan, K., "Very deep convolutional networks for large-scale image recognition", arXiv preprint, 1~14 (2014)
  60. Szarvas, M., "Real-time pedestrian detection using LIDAR and convolutional neural networks", Intelligent Vehicles Symposium 2006IEEE, pp.213~218 (2006)
  61. Szegedy, C., "Going deeper with convolutions", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.1~9 (2015)
  62. Tieleman, T., "Lecture 6.5-rmsprop: Divide the gradient by a running average of its recent magnitude", COURSERA: Neural networks for machine learning, 4(2), pp.26~31 (2012)
  63. Von Seggern, D. H., "CRC standard curves and surfaces" (1993), CRC Press
  64. Weckstrom, K., "Secondary liability for trademark infringement in the United States", University of Louisville Law Review, 49(4), pp.555~580 (2010)
  65. WIPO, "WIPO Intellectual Property Handbook : Policy, Law and Use" (2004), WIPO Publication

관련 논문AI추천

어텐션 모형을 활용한 상표 이미지 내 도형 분류 모형 개발윤재웅, 이석준, 정상일대한경영정보학회 · 경영과 정보연구2022 · 제41권 제4호ResNet과 SIFT를 이용한 특허 도면의 유사도 평가 및 검색 연구김경순, 김성주, 김현아, 박천호한국지식재산연구원 · 지식재산연구2024 · 제19권 제3호상표 검색을 위한 호칭 유사성 판단에 관한 연구: 한글 영문 문자 상표 검색 정확성 향상을 중심으로고봉수, 노한성, 심우철, 황솔빈한국지식재산연구원 · 지식재산연구2025 · 제20권 제1호Self Organizing Map(SOM) 알고리즘을 이용한 상표의 내용기반 이미지검색 성능평가에 관한 연구백우진, 신문선, 신민기, 안의건, 이재준, 함은미한국정보관리학회 · 정보관리학회지2007 · 제24권 제3호상표 유사판단 분야에의 인공지능(AI) 도입 검토 — 상표권침해소송상 절차적 논의를 중심으로 —육근혁, 이지운, 홍석권법학연구원 · 법학논총2023 · 제40권 제3호딥러닝 유사도 기반 현품 영상과 도면 영상의 1:1 매칭 방법한기태한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2022 · 제27권 제12호

이 간행물의 다른 논문 (14건)

분위수회귀분석을 이용한 유가 변동성에 대한 산업별 주식시장의 이질적 반응 분석주영찬, 박성용pp. 1-19관리자에 대한 신뢰가 직무열정 및 친사회적 행동에 미치는 영향—감사표현의 조절효과를 중심으로—조상리pp. 21-34전문경영인의 지분율과 소유구조상의 특성이 상근감사의 독립성에 미치는 영향에 대한 연구이은화, 유재욱pp. 35-53고객참여의 접점만족에 미치는 영향: 참여속도와 몰입속도의 조절효과 검증안진우pp. 81-96SNS 품질요인이 라이브 앱 사용자의 만족도와 지속적인 사용의도에 미치는 영향에 관한 연구박재용, 종추pp. 97-112
원문 보기