Tez No	İndirme	Tez Künye	Durumu
381002		A comparison of methods for trademark retrieval in a large trademark dataset / Büyük ölçekli marka veri kümelerinde marka tarama yöntemlerinin karşılaştırılması Yazar:WUSIMAN TUERXUN Danışman: YRD. DOÇ. DR. SİNAN KALKAN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Görüntü erişimi = Image retrieval ; Marka tescili = Regitration of trademark	Onaylandı Yüksek Lisans İngilizce 2015 90 s.
21. yüzyılın ilk on yılları itibariyle, dünya çapında yapılmış olan marka tescil başvuruları sayısı etkileyici bir rakam olan 5 milyona ulaşmıştır. Sadece Türkiye'de, bu sayı 1 milyon barajını geçmiştir ve giderek artmaya devam edeceği de kesindir. Markaların reklam etkisi ve özgünlüğü konusunda gittikçe hızlanan rekabet ortamı, marka korsanlığının ve ihlallerinin artmasına neden olmuş, dolayısıyla da hem ekonomik zarara, hem de patent ofislerinde ciddi bir iş yüküne sebebiyet vermiştir. Gittikçe artan marka tescil başvurusularındaki bu problemi hizmet kalitesinden ödün vermeden çözebilmek için, patent ofisleri gibi kurumlar otomatik Marka Tarama Sistemlerine (\emph{ing.} Trademark Retrieval Systems, TRS) geçiş yapmakta, bu sayede bilgisayarlı görüntü işleme tekniklerinden faydalanmaya başlamaktadır. Son yirmi yılda, yaygın içerik tabanlı görüntü işleme (\emph{ing.} content-based image processing, CBIR) tekniklerini kullanan Marka Tarama Sistemleri oluşturulmuştur. Bununla birlikte, marka tescil başvurularındaki hızlı artış problemi yeni bir boyuta taşımakta ve bu sistemler gün geçtikçe yetersiz kalmaktadır. Sistematik olarak analiz edilmiş yeni görüntü tarama ve nesne saptama yöntemleriyle güçlendirilmiş yeni kuşak marka tarama sistemlerinin oluşturulması bu açıdan aciliyet arz etmektedir. Ancak, genele açık büyük ölçekli bir marka veritabanının bulunmayışı, bu alandaki ilerlemeyi yavaşlatmıştır. Bu tezde, literatürdeki bu boşluğu doldurmak amacıyla, 1 milyon kadar markadan oluşan büyük ölçekli bir marka veritabanı sunulmaktadır. Ayrıca, büyük ölçekli veritabanlarında marka tarama konusunda bir ilk teşebbüs olarak, çeşitli global görüntü tanımlayıcıları (\emph{örn.}, renk, şekil, desen) ve lokal görüntü tanımlayıcıları (\emph{örn.}, SIFT, SURF, HOG, ORG), ODTÜ marka verikümesi adını verdiğimiz bu veri kümesi üzerinde çalıştırılarak analiz edilmektedir.
By the end of the first decades of the $21^{th}$ century, the applications for trademarks worldwide have approached an astounding number of 5 million. In Turkey alone, this number has reached the 1 million mark, and is expected by all means to keep increasing. The accelerating competition of trademark influence and uniqueness has intensified trademark piracies and infringements, and therefore resulted in a substantial burden for the patent offices, not to mention direct economic losses. To overcome this ever-increasing problem of trademark registration without compromising from service quality, and to minimize unnecessary disputes of legal ownership, organizations like patent offices gradually turn to automatized registration, employing Trademark Retrieval Systems (TRS) equipped with image processing and computer vision tools. The last two decades have seen the successful implementation of well-known content-based image processing (CBIR) techniques in several TRS systems. However, these results are falling behind as the rapid increase in trademark registration escalates the trademark retrieval problem to the next level. Developing next-generation TRS systems with well-examined and analyzed new image retrieval and object detection techniques is necessary. Yet, the lack of public large-scale trademark datasets has obstructed the progress of this research field. In this thesis, to fill this gap, we offer a large scale and challenging dataset with $\sim1$ million trademarks as a benchmark. Then, as an initial attempt to trademark retrieval research on large scale datasets, we implement and analyze a variety of global image descriptors (\eg, color, shape, texture), as well as local image descriptors (\eg, SIFT, SURF, HOG, ORG), on this dataset (called the METU trademark dataset).