Utilización de técnicas de Machine Learning para mejorar la detección de infracción de marcas

Abstract

Las redes neuronales convolucionales son un algoritmo de Deep Learning, rama dentro del campo de Machine Learning, que destaca especialmente por su capacidad para reconocer, clasificar y/o comparar imágenes. En este trabajo se ha examinado cómo este tipo de redes pueden utilizarse para la automatización de la detección de infracción de marcas. Para ello, se realiza un caso práctico en Python utilizando TensorFlow y Keras como vehículos, en el que se muestra el grado de similitud entre un producto de la página web de Nike de esta temporada y de Asos, en el que se detecta la infracción de marcas de esta última con respecto a la primera. Este caso práctico realizado a gran escala garantizaría la protección sistemática de la autenticidad de las marcas y diseños industriales, a la vez que reduciría enormemente el tiempo empleado actualmente en la detección de falsificaciones por parte de las propias empresas y de despachos de abogados que luchan por la protección de la propiedad industrial de sus clientes.

Convolutional neural networks are a Deep Learning algorithm, a modality within the field of Machine Learning, which stands out especially for its ability to recognize, classify and/or compare images. This paper examines how this type of network can be used to automate the detection of trademark infringement. For this purpose, a case study is carried out in Python using TensorFlow and Keras as frameworks, showing the degree of similarity between a product on Nike's website this season and one of Asos, in which the latter's trademark infringement is detected with respect to the former's. This case study, carried out on a large scale, would guarantee the systematic protection of the authenticity of trademarks and industrial designs, while greatly reducing the time currently spent on detecting counterfeits by the companies themselves and by law firms fighting for the protection of their clients' industrial property.