While the problem of automatic brand detection has already been studied for in-the-wild image inputs, its resolution in the context of online display advertising remains unexplored. Following the existing works that have successfully applied logo detection techniques to photographs of the real world, this thesis builds upon modern object detection models to perform brand-agnostic logo detection in images of online advertisements. Inference with the resulting convolutional neural network allows the development of image-based brand recognition pipelines that scale to a large number of identifiable brands. Furthermore, to train and evaluate such a network, a logo detection dataset composed of captures of online advertisements is created. Each sample image is annotated with bounding boxes and brand labels. Finally, with the aim of introducing a different approach to the problem, we also design and analyze the performance of a brand detection algorithm based on the extraction and filtering of domain names from the HTML code underlying online advertisements. / Trots att automatisk identifiering av varumärken är ett problem som redan studerats för bilder av verkliga miljöer, återstår det att undersöka lösningar till problemet inom onlineannonsering. Med inspiration från tidigare arbeten som framgångsrikt tillämpat logotypigenkänningsmetoder på fotografier av verkliga miljöer, bygger detta examensarbete på moderna objektigenkänningsmodeller för att utföra logotypigenkänning på bilder av onlineannonser på ett agnostiskt sätt med avseende på varumärke. Inferens med det resulterande neurala faltningsnätverket tillåter utveckling av bildbaserade varumärkesigenkänningspipelines som kan hantera ett stort antal igenkännliga värumärken. För att nätverket ska kunna tränas och senare evalueras, skapas dessutom en datamängd för logotypigenkänning som består av skärmdumpar av online-annonser. Varje bild i datamängden annoteras med boxar runt logotyperna som den innehåller samt etiketter som beskriver vilka varumärken dessa logotyper motsvarar. Slutligen presenteras en ny synvinkel på problemet där vi designar och utvärderar en algoritm för varumärkesigenkänning i onlineannonserna som baseras på att få fram och filtrera domännamn ur den bakomliggande HTML-koden.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-305220 |
| Date | January 2021 |
| Creators | Morin, Clément |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2021:719 |
Page generated in 0.0028 seconds