Patentbildabfrage mittels transformerbasierter tiefer metrischer Lernverfahren

Der Bereich des geistigen Eigentums umfasst eine Vielzahl von Bereichen. Insbesondere erfordert die Suche nach Vorbelastungsliteratur im Patenbereich die Identifizierung von Dokumenten, die zur Beurteilung von Neuheit und erfinderischer Tätigkeit aus einer riesigen Menge vergangener Literatur herangezogen werden können. In diesem Zusammenhang besteht seit langem ein Forschungs- und Entwicklungsbedarf hinsichtlich einer Zeichnungssuchtechnologie, die direkt nach Zeichnungen und wesentlichen Informationen zu Erfindungen sucht. Allerdings werden Patentreferate in der Regel als schwarz-weiße abstrakte Zeichnungen beschrieben, mit Ausnahme einiger Länder, und ihre modalen Eigenschaften unterscheiden sich erheblich von denen natürlicher Bilder, weshalb sie bisher noch kaum erforscht wurden. In dieser Studie wurde eine höhere Genauigkeit erreicht als in früheren Arbeiten, indem InfoNCE und ArcFace anstelle des herkömmlichen Triplet-Verfahrens im DeepPatent-Datensatz (Kucer et al., 2022) eingesetzt wurden. Zudem entwickelten wir eine Anwendung, die es Nutzern ermöglicht, Patentreferate mit beliebigen Bildern zu suchen. Unser Architekturansatz ist nicht nur auf Patentreferate, sondern auch auf zahlreiche andere Bildtypen mit ähnlichen Merkmalen anwendbar, wie beispielsweise mechanische Zeichnungen, Designpatente, Markenzeichen, Diagramme und Skizzen.