商标检测是电子商务知识产权保护领域的一个重要的研究方向。在本文中，我们介绍了我们在ACMMM2021鲁棒性商标检测竞赛中的解决方案。该竞赛要求检测电子商务图像中的商标（多达515个类别），并存在长尾分布、小物体、不同类型的噪声（包括对抗噪声）等挑战。为了克服这些挑战，我们构建了一个高度优化且鲁棒的检测器。我们首先测试了多种在通用物体检测上较为有效的技术，然后集中在数据增强方法。我们发现数据增强能够有效提升商标检测器的性能和鲁棒性。通过结合这些技术，我们在该竞赛中取得了5/36489的排名。我们的检测器分别在干净和噪声数据集上达到了64.6%和61.3%的平均精度（mAP），相对于官方的基准线模型分别提升8.1%和19.5%。该部分成果在ACMMultimedia2021发表。
论文引用：Hang Chen; Xiao Li; Zefan Wang; Xiaolin Hu; Robust logo detection in E-commerce images by data augmentation, 29th ACM International Conference on Multimedia (MM), Virtual, Online, China, 2021-10-20至2021-10-24.