顯著性

、背景及意義“顯著性是商標保護的靈魂和商標法正常運行的樞紐”[1]，2013 年《中華人民共和國商標法》修改，正式確認了聲音可以申請注冊商標。聲音商標有其特殊性，在我國實踐中諸如“騰訊提示音”案、“恒源祥”案、“小米案”以及最近的“李佳琦聲音商標申請”等鮮活的案例一方面向我們證明了聲音商標在市場經濟之下的需求，另一方面也暴露出了我國聲音商標立法、理論中的缺陷。本文將著眼于聲音商標認定的實質要件——顯著性認定這一主題，研究“通用性”“功能性”正確含義，解決固

無法得到準確的顯著性區域。為此，國內相關專家學者對此進行了深入研究。主要的視頻序列圖像視覺顯著性區域提取方法可分為以下幾種：前景和背景區域相結合的顯著性區域提取方法[1]、基于改進直方圖均衡化的覺顯著性區域提取方法[2]、基于顯著性增強的區域提取方法[3]。前景和背景區域相結合的顯著性區域提取方法，首先依據視頻序列圖像構建一個無向圖的鄰接矩陣，然后計算視頻圖像邊界背景先驗知識，選取出處于邊界位置的超像素，并將其作為搜索向量進行圖內節點間關聯度的計算，獲取視

視覺注意機制的顯著性檢測能夠自動捕捉不同場景中的重要信息。顯著性概念被廣泛應用于計算機視覺和圖形學任務中[3]。受二維顯著性檢測的啟發，三維顯著性檢測通?；谌?span class="hl">顯著性計算，即對全體點云或網格頂點特征聚類成簇，由簇的顯著性來計算得到全局顯著性。例如，Wu等[4]利用K-means聚類和近似最近鄰搜索將頂點分組成簇求解簇的顯著性，然后根據簇的顯著性插值得到單個頂點的全局顯著性。Tasse等[5]利用模糊聚類將點集分解成小簇，將每個簇的唯一性和空間分布定義一個

對比組之間具有顯著性（或非常顯著性）差別；應寫明所用統計分析方法的具體名稱（如：成組設計資料的t檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q檢驗等），統計量的具體值（如t＝2.26，χ2＝4.48，F＝8.89等），應盡可能給出具體P值（如P＝0.032）；當涉及到總體參數（如總體均數、總體率等）時，在給出顯著性檢驗結果的同時，再給出95%可信區間。

對比組之間具有顯著性（或非常顯著性）差別；應寫明所用統計分析方法的具體名稱（如：成組設計資料的t檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q檢驗等），統計量的具體值（如t＝2.26，χ2＝4.48，F＝8.89等），應盡可能給出具體P值（如P＝0.032）；當涉及到總體參數（如總體均數、總體率等）時，在給出顯著性檢驗結果的同時，再給出95%可信區間。

9)1 引 言顯著性檢測是計算機視覺領域一個基礎性的研究問題,通過模擬人的視覺注意力系統來突出圖片中顯著的區域或者物體.在過去的幾十年中,顯著性檢測吸引了很多的研究人員.它在很多的圖像處理問題中作為預處理中的重要一步.在模式識別和圖像處理中有很多的應用場景,例如:物體檢測、物體識別、物體分割、運動檢測、圖像匹配、圖像視頻壓縮以及視覺追蹤等[1].在絕大多數的應用中都是對2D圖片進行處理,但是顯著性檢測在3D視覺中也有相應的應用場景,其中也需要對2D圖像進行

對比組之間具有顯著性( 或非常顯著性) 的差別; 應寫明所用統計分析方法的具體名稱( 如: 成組設計資料的t 檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q 檢驗等) 、統計量的具體值( 如t = 3． 45，χ2 = 4． 66，F = 5． 12 等) ，應盡可能給出具體的P 值( 如: P = 0． 023) ; 當涉及總體參數( 如總體均數、總體率等) 時，在給出顯著性檢驗結果的同時，再給出95%置信區間。

對比組之間具有顯著性（或非常顯著性）差別；應寫明所用統計分析方法的具體名稱（如：成組設計資料的t檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q檢驗等），統計量的具體值（如t＝2.26，χ2＝4.48，F＝8.89等），應盡可能給出具體P值（如P＝0.032）；當涉及到總體參數（如總體均數、總體率等）時，在給出顯著性檢驗結果的同時，再給出95%可信區間。

對比組之間具有顯著性（或非常顯著性）差別；應寫明所用統計分析方法的具體名稱（如：成組設計資料的t檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q檢驗等)，統計量的具體值(如t＝2.26,χ2＝4.48,F＝8.89等），應盡可能給出具體P值（如P＝0.032）；當涉及到總體參數（如總體均數、總體率等）時，在給出顯著性檢驗結果的同時，再給出95%可信區間。

對比組之間具有顯著性（或非常顯著性）差別；應寫明所用統計分析方法的具體名稱（如：成組設計資料的t檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q檢驗等），統計量的具體值（如t＝2.26，χ2＝4.48，F＝8.89等），應盡可能給出具體P值（如P＝0.032）；當涉及到總體參數（如總體均數、總體率等）時，在給出顯著性檢驗結果的同時，再給出95%可信區間。

）條“商標缺乏顯著性的絕對注冊障礙”為由，向當時的歐盟內部市場協調局（現為歐盟知識產權局，下稱“EUIPO”）提起商標無效程序。后經EUIPO無效部門、申訴委員會、歐盟普通法院多輪審理，當事各方（雀巢公司、億滋國際和EUIPO）仍對結果不滿，分別向歐盟法院提起了上訴，歐盟法院對其進行合并審理（Joined Cases C-84/17 P，C-85/17 P，C-95/17 P）。在歐盟法院前，各方爭議焦點集中于：根據《歐盟商標條例》第7（3）條，試圖證明涉

相比身高有非常顯著性下降；60-69歲組與20-39歲組相比身高有所下降，但沒有顯著性差異； 60-69歲組與40-59歲組相比身高有所增加，但沒有顯著性差異。7.對2017年各個年齡組腹部皮褶厚度數據進行單因素方差分析，結果顯示40-59歲組與20-39歲組相比皮褶厚度有非常顯著性增加，有發生肥胖的風險；60-69歲組與20-39歲組相比皮褶厚度有非常顯著性增加，有發生肥胖的風險；60-69歲組與40-59歲組相比皮褶厚度有所減少，但沒有顯著性差異。8.

論我國立體商標顯著性認定的完善◇胡婧冉10.13999/j.cnki.scyj.2017.01.027立體商標因其具有的獨特優點，成為備受追捧的研究對象。但是現實中對于立體商標認定的難度較大，其中最重要的問題就是如何判斷商標是否具有顯著性。本文通過闡述商標顯著性的一般性理論，進而分析了立體商標顯著性認定的現實困難，并通過介紹美國與歐盟的實踐經驗，結合我國目前對于立體商標顯著性的立法規定，從立法與實踐兩個方面提出了相關的建議。立法方面建議區分立體商標的不同種

對我國立體商標顯著性認定分析與建議張 琳（730050蘭州理工大學甘肅 蘭州）立體商標也叫做三維商標。與以往的平面商標不同，立體商標主要是采用立體標志、商品正外型或者實體包裝物等立體形象。商品立體商標的選定必須真是反映商品的質量特點，并且具有一定的顯著性，能夠吸引消費者的注意力?？梢哉f，顯著性是立體商標最為重要的特征之一。本文將對我國立體商標的顯著性認定現狀進行分析，并提出一些相關的建議。立體商標；顯著性；商標認定由于商品侵權問題越來越嚴重，現代商家都開始

0126)視覺顯著性在計算機視覺和圖像理解中有著重要作用并且涉及范圍廣，包括認知心理學［1］、神經生物學［2］等。由于計算機視覺和圖像處理的應用不斷地廣泛，顯著性目標檢測也引起了越來越多致力于信號處理、計算機視覺和機器學習研究工作的學者的研究，并很好地被運用到與其相關的應用中，例如:圖像自動裁剪［3］、圖像/視頻壓縮［4］，圖像分割［5］、目標識別［6］和圖像自適應等。目前的顯著性檢測主要分為有監督的自上而下的顯著性目標檢測(包括人臉識別等)和無監督的自下

實踐對聲音商標顯著性認定問題進行探究。一、顯著性認定的一般方法根據顯著性產生的方式，顯著性可分為固有顯著性和獲得顯著性。固有顯著性是指一個標志由于正確選用而具有天生的標示產品出處并區別于他人產品的屬性。在固有顯著性認定上，各國立法一般僅原則性規定其概念，又以列舉的方式規定不能注冊為商標的標識。我國亦采此種立法模式。除此之外，在商標實踐中，一般還須考慮以下兩方面因素。一是對商標標志本身進行認定。將商標構成要素作為一個整體加以觀察，能夠給人留下深刻印象或者能夠

個視覺注意機制顯著性檢測的過程[1]。在圖像理解的同時若能模擬人類視覺機制提取出圖像中顯著性區域，將會很大程度上提高圖像理解的效率。目前，圖像的顯著性檢測已經廣泛地運用到許多計算機視覺的應用領域中，如目標檢測、場景渲染和視覺界面設計等。近年來，隨著研究的深入，研究者們提出了各種圖像顯著性區域檢測算法。最早的ITTI L等人[2]提出了一種模擬生物視覺注意機制的算法，目前只適用于自然圖像。針對Itti模型的不足，田明輝[3]提出一種適用于自然場景的視覺顯著度

如果兩兩之間有顯著性差異，那么整體間也就有顯著性差異。這在統計學上是欠妥的。從數學意義上看，多組間設置的顯著性水平α，在比較次數為m時，顯著性水平要校正至α/m。如進行A、B、C三組間比較，設α=0.05，進行A與B、B與C、C與D共3次兩兩比較，則每次比較時校正的顯著性水平α'=0.05/3=0.017，即只有當兩兩比較時，均滿足P≤0.017，才能認為三組間在α=0.05水平上存在差異。許多作者顯然忽視了這一點，3次兩兩比較均按α=0.05處理，這時實

對比組之間具有顯著性(或非常顯著性)差別;應寫明所用統計分析方法的具體名稱(如:成組設計資料的t檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q檢驗等)，統計量的具體值(如t=2．26，2=4．48，F=8．89等)，應盡可能給出具體P值(如P=0．032);當涉及到總體參數(如總體均數、總體率等)時，在給出顯著性檢驗結果的同時，再給出95%可信區間。