显著性

、背景及意义“显著性是商标保护的灵魂和商标法正常运行的枢纽”[1]，2013 年《中华人民共和国商标法》修改，正式确认了声音可以申请注册商标。声音商标有其特殊性，在我国实践中诸如“腾讯提示音”案、“恒源祥”案、“小米案”以及最近的“李佳琦声音商标申请”等鲜活的案例一方面向我们证明了声音商标在市场经济之下的需求，另一方面也暴露出了我国声音商标立法、理论中的缺陷。本文将着眼于声音商标认定的实质要件——显著性认定这一主题，研究“通用性”“功能性”正确含义，解决固

无法得到准确的显著性区域。为此，国内相关专家学者对此进行了深入研究。主要的视频序列图像视觉显著性区域提取方法可分为以下几种：前景和背景区域相结合的显著性区域提取方法[1]、基于改进直方图均衡化的觉显著性区域提取方法[2]、基于显著性增强的区域提取方法[3]。前景和背景区域相结合的显著性区域提取方法，首先依据视频序列图像构建一个无向图的邻接矩阵，然后计算视频图像边界背景先验知识，选取出处于边界位置的超像素，并将其作为搜索向量进行图内节点间关联度的计算，获取视

视觉注意机制的显著性检测能够自动捕捉不同场景中的重要信息。显著性概念被广泛应用于计算机视觉和图形学任务中[3]。受二维显著性检测的启发，三维显著性检测通常基于全局显著性计算，即对全体点云或网格顶点特征聚类成簇，由簇的显著性来计算得到全局显著性。例如，Wu等[4]利用K-means聚类和近似最近邻搜索将顶点分组成簇求解簇的显著性，然后根据簇的显著性插值得到单个顶点的全局显著性。Tasse等[5]利用模糊聚类将点集分解成小簇，将每个簇的唯一性和空间分布定义一个

对比组之间具有显著性（或非常显著性）差别；应写明所用统计分析方法的具体名称（如：成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等），统计量的具体值（如t＝2.26，χ2＝4.48，F＝8.89等），应尽可能给出具体P值（如P＝0.032）；当涉及到总体参数（如总体均数、总体率等）时，在给出显著性检验结果的同时，再给出95%可信区间。

对比组之间具有显著性（或非常显著性）差别；应写明所用统计分析方法的具体名称（如：成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等），统计量的具体值（如t＝2.26，χ2＝4.48，F＝8.89等），应尽可能给出具体P值（如P＝0.032）；当涉及到总体参数（如总体均数、总体率等）时，在给出显著性检验结果的同时，再给出95%可信区间。

9)1 引 言显著性检测是计算机视觉领域一个基础性的研究问题,通过模拟人的视觉注意力系统来突出图片中显著的区域或者物体.在过去的几十年中,显著性检测吸引了很多的研究人员.它在很多的图像处理问题中作为预处理中的重要一步.在模式识别和图像处理中有很多的应用场景,例如:物体检测、物体识别、物体分割、运动检测、图像匹配、图像视频压缩以及视觉追踪等[1].在绝大多数的应用中都是对2D图片进行处理,但是显著性检测在3D视觉中也有相应的应用场景,其中也需要对2D图像进行

对比组之间具有显著性( 或非常显著性) 的差别; 应写明所用统计分析方法的具体名称( 如: 成组设计资料的t 检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q 检验等) 、统计量的具体值( 如t = 3． 45，χ2 = 4． 66，F = 5． 12 等) ，应尽可能给出具体的P 值( 如: P = 0． 023) ; 当涉及总体参数( 如总体均数、总体率等) 时，在给出显著性检验结果的同时，再给出95%置信区间。

对比组之间具有显著性（或非常显著性）差别；应写明所用统计分析方法的具体名称（如：成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等），统计量的具体值（如t＝2.26，χ2＝4.48，F＝8.89等），应尽可能给出具体P值（如P＝0.032）；当涉及到总体参数（如总体均数、总体率等）时，在给出显著性检验结果的同时，再给出95%可信区间。

对比组之间具有显著性（或非常显著性）差别；应写明所用统计分析方法的具体名称（如：成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等)，统计量的具体值(如t＝2.26,χ2＝4.48,F＝8.89等），应尽可能给出具体P值（如P＝0.032）；当涉及到总体参数（如总体均数、总体率等）时，在给出显著性检验结果的同时，再给出95%可信区间。

对比组之间具有显著性（或非常显著性）差别；应写明所用统计分析方法的具体名称（如：成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等），统计量的具体值（如t＝2.26，χ2＝4.48，F＝8.89等），应尽可能给出具体P值（如P＝0.032）；当涉及到总体参数（如总体均数、总体率等）时，在给出显著性检验结果的同时，再给出95%可信区间。

）条“商标缺乏显著性的绝对注册障碍”为由，向当时的欧盟内部市场协调局（现为欧盟知识产权局，下称“EUIPO”）提起商标无效程序。后经EUIPO无效部门、申诉委员会、欧盟普通法院多轮审理，当事各方（雀巢公司、亿滋国际和EUIPO）仍对结果不满，分别向欧盟法院提起了上诉，欧盟法院对其进行合并审理（Joined Cases C-84/17 P，C-85/17 P，C-95/17 P）。在欧盟法院前，各方争议焦点集中于：根据《欧盟商标条例》第7（3）条，试图证明涉

相比身高有非常显著性下降；60-69岁组与20-39岁组相比身高有所下降，但没有显著性差异； 60-69岁组与40-59岁组相比身高有所增加，但没有显著性差异。7.对2017年各个年龄组腹部皮褶厚度数据进行单因素方差分析，结果显示40-59岁组与20-39岁组相比皮褶厚度有非常显著性增加，有发生肥胖的风险；60-69岁组与20-39岁组相比皮褶厚度有非常显著性增加，有发生肥胖的风险；60-69岁组与40-59岁组相比皮褶厚度有所减少，但没有显著性差异。8.

论我国立体商标显著性认定的完善◇胡婧冉10.13999/j.cnki.scyj.2017.01.027立体商标因其具有的独特优点，成为备受追捧的研究对象。但是现实中对于立体商标认定的难度较大，其中最重要的问题就是如何判断商标是否具有显著性。本文通过阐述商标显著性的一般性理论，进而分析了立体商标显著性认定的现实困难，并通过介绍美国与欧盟的实践经验，结合我国目前对于立体商标显著性的立法规定，从立法与实践两个方面提出了相关的建议。立法方面建议区分立体商标的不同种

对我国立体商标显著性认定分析与建议张 琳（730050兰州理工大学甘肃 兰州）立体商标也叫做三维商标。与以往的平面商标不同，立体商标主要是采用立体标志、商品正外型或者实体包装物等立体形象。商品立体商标的选定必须真是反映商品的质量特点，并且具有一定的显著性，能够吸引消费者的注意力。可以说，显著性是立体商标最为重要的特征之一。本文将对我国立体商标的显著性认定现状进行分析，并提出一些相关的建议。立体商标；显著性；商标认定由于商品侵权问题越来越严重，现代商家都开始

0126)视觉显著性在计算机视觉和图像理解中有着重要作用并且涉及范围广，包括认知心理学［1］、神经生物学［2］等。由于计算机视觉和图像处理的应用不断地广泛，显著性目标检测也引起了越来越多致力于信号处理、计算机视觉和机器学习研究工作的学者的研究，并很好地被运用到与其相关的应用中，例如:图像自动裁剪［3］、图像/视频压缩［4］，图像分割［5］、目标识别［6］和图像自适应等。目前的显著性检测主要分为有监督的自上而下的显著性目标检测(包括人脸识别等)和无监督的自下

实践对声音商标显著性认定问题进行探究。一、显著性认定的一般方法根据显著性产生的方式，显著性可分为固有显著性和获得显著性。固有显著性是指一个标志由于正确选用而具有天生的标示产品出处并区别于他人产品的属性。在固有显著性认定上，各国立法一般仅原则性规定其概念，又以列举的方式规定不能注册为商标的标识。我国亦采此种立法模式。除此之外，在商标实践中，一般还须考虑以下两方面因素。一是对商标标志本身进行认定。将商标构成要素作为一个整体加以观察，能够给人留下深刻印象或者能够

个视觉注意机制显著性检测的过程[1]。在图像理解的同时若能模拟人类视觉机制提取出图像中显著性区域，将会很大程度上提高图像理解的效率。目前，图像的显著性检测已经广泛地运用到许多计算机视觉的应用领域中，如目标检测、场景渲染和视觉界面设计等。近年来，随着研究的深入，研究者们提出了各种图像显著性区域检测算法。最早的ITTI L等人[2]提出了一种模拟生物视觉注意机制的算法，目前只适用于自然图像。针对Itti模型的不足，田明辉[3]提出一种适用于自然场景的视觉显著度

如果两两之间有显著性差异，那么整体间也就有显著性差异。这在统计学上是欠妥的。从数学意义上看，多组间设置的显著性水平α，在比较次数为m时，显著性水平要校正至α/m。如进行A、B、C三组间比较，设α=0.05，进行A与B、B与C、C与D共3次两两比较，则每次比较时校正的显著性水平α'=0.05/3=0.017，即只有当两两比较时，均满足P≤0.017，才能认为三组间在α=0.05水平上存在差异。许多作者显然忽视了这一点，3次两两比较均按α=0.05处理，这时实

对比组之间具有显著性(或非常显著性)差别;应写明所用统计分析方法的具体名称(如:成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等)，统计量的具体值(如t=2．26，2=4．48，F=8．89等)，应尽可能给出具体P值(如P=0．032);当涉及到总体参数(如总体均数、总体率等)时，在给出显著性检验结果的同时，再给出95%可信区间。