商标权利人出具商品鉴定意见的性质与审查要点

本文探讨了商标权利人出具的商品真伪鉴定意见在司法实践中的性质争议,指出其不应被视为鉴定意见。强调了对商标权利人鉴定意见的审查要点,包括合法性(商品来源、程序等)和真实性(价格、串货等),并明确了其证明效力,但须排除串货行为的影响。

在假冒注册商标罪、销售假冒注册商标的商品罪的认定中,商标权利人出具商品鉴定意见的性质在司法实践中存在较大争议,分别认为是鉴定意见、书证、证人证言、被害人陈述等观点。对鉴定意见的审查,应当根据商标权的特殊性从合法性、真实性进行重点审查。对鉴定意见的效力认定一般应当予以采信,但应当排除串货行为。

  一、商标权利人出具鉴定意见的性质

  关于商标权利人出具的真伪鉴定意见,在司法实务中有不同认识,主要表现为以下几种观点:一是认为该鉴定属于鉴定意见。因为在形式上该类文书材料是以“鉴定书”“鉴定报告”“鉴定意见”的形式呈现,且在结论上会有明确的真伪意见。虽然在主体资格上存在利害关系,但商标权利人进行真伪鉴定最为合适,其他人对商标是否授权等真实性无法知悉。在内容上,商标权利人出具的鉴定在本质上属于鉴定意见,且其对相关结论的合法真实性承担法律责任。二是认为该鉴定属于书证。因为商标权利人没有鉴定资质,其出具的商品真伪意见又是以书面呈现,具有书证的证据形式特点。三是认为该鉴定属于证人证言。商标权利人在行政执法部门、司法机关中所做的证词属于证人证言,在商标权利人没有鉴定人主体资格的前提下,相关鉴定意见属于证人证言。四是认为该鉴定属于被害人陈述。在假冒注册商标类犯罪中,商标权利人系被害人,其出具的鉴定意见是对侵权行为的主观表述,在证明力上无法达到鉴定意见及书证的应然程度。

  笔者认为,商标权利人所做的鉴定属于被害人陈述,不属于鉴定意见、书证和证人证言。首先,该鉴定不属于鉴定意见。虽然商标权利人出具的该意见冠以“鉴定意见”等名义,但商标权利人出具的鉴定在主体上没有鉴定资质、回避事项上是利害关系人,不符合法定的鉴定意见条件。因为《最高人民法院关于适用〈中华人民共和国刑事诉讼法〉的解释》(2021年)第九十七条规定,鉴定意见应当着重审查以下内容:(一)鉴定机构和鉴定人是否具有法定资质;(二)鉴定人是否存在应当回避的情形……(六)鉴定过程和方法符合相关专业的规范要求……因此,虽然该证据冠以“鉴定意见”的名义,但它不属于刑事诉讼法意义上的鉴定意见。其次,该鉴定不属于书证。书证是以其记载的内容反映案件事实来证明案件事实,而该鉴定虽然也是以书面内容反映案件的部分真实情况,但该证据的利害关系人所表达的内容,是以客观形式反映商标权利人主观意志的表现形式。再次,该鉴定是被害人陈述,而不是证人证言。从诉讼地位上来看,商标权利人的地位一般应当认定为被害人。因为权利人享有商标的财产权,未经权利人许可,以相同商标销售商品都属于对商标权的侵犯,作为法益主体的商标权人应当被认定为被害人。被害人对犯罪事实是否发生所做的真伪鉴定意见,是在诉讼程序中表达自己独立的诉请和主张。就权利人所做的真伪鉴定本身而言,是权利人作为被害人的诉讼参与人地位,就案件中的特定商品的真伪所做的辨别、确认,其结果体现被害人的观点和意见,是其表达诉请和主张的方式,应当属于辨认形式的被害人陈述。故相关当事人不能以鉴定意见、书证和证人证言的相关证据要件进行排除证据适用的抗辩。

  二、商标权利人出具的鉴定意见的审查要点

  对刑事证据的审查,都应当遵循“事实清楚,证据确实、充分”的法定标准,但判断是否为假冒注册商标的商品有其特殊性,必须从鉴定对象的合法性和真实性等方面进行审查。

  对合法性的审查,主要包括商品来源是否合法、证据载体和搜集程序是否合法、结果是否合法。对商品来源的审查需就商品上商标的权利主体是否来源于商标权利人、商品门类是否属于法定授权范围、商标是否在法定保护期限内等内容进行审查。对于来源于商标权利人授权的商品、商品不在商标权人的商品门类范围或者商标已经超过法定保护期的情形,不应当认定为假冒注册商标的商品。此外,如果是商标权利人自行提供的待鉴定商品,由于其不是强制性侦查主体,故该商品的取得应当排除系通过威逼利诱等手段获取,当然公安机关采用合法的强制侦查手段查封、扣押的待鉴定商品不在此列。对待证商品的载体和搜集程序的审查,需要重点关注证据的搜集过程,是权利人提供还是侦查机关查扣。如果是商标权利人提供的证据则需要审查移交侦查机关的相关材料是否齐全,移交过程需要明确记录,并提供相关正品予以佐证。对鉴定意见本身的审查,相关文书应当包括但不限于检材提取过程的描述、鉴定过程的描述、鉴定方法的采用及其依据、鉴定意见的明确、鉴定人员的签名或盖章等内容。在结果合法性审查方面,由于文书的出具人需对相关意见负责,需要重点审查的是鉴定意见否具有合理性,与相关检材是否具有因果关系。

  在真实性审查方面,应重点关注价格是否存在虚高以及是否是串货商品。对商品内容的真实性审查由于涉及相关产品的具体专业使得对内容的真实性审查较为困难。对权利人自行鉴定的,需查证营业执照是否加盖公章,是否提供了商标权的证明文件。如果是知识产权代理人出具的鉴定结论则需要相关商标权人的实际授权以及相关实际操作人员的资格。实践中,对侵权产品的价格认定虚高是一种普遍现象。由于正品与侵权商标的价格差距巨大,对价格的审查如果能够通过销售价格、销售量、销售的银行流水查清实际侵权产品价格的,应当以实际销售价格认定,从而否定鉴定意见的真实性。如果无法查清价格或存在未遂等情节时,应当另行委托相关物价部门或者司法鉴定机构出具价格认定的意见,综合相关证据判断实际售价。

  三、商标权利人出具鉴定意见的证明效力

  商标权利人出具的真伪鉴定意见,一般应当认可其证明效力。一方面,该做法符合一般常理和执法机关的常规做法。在知识产权案件的审理中,权利人对产品真伪的认定具有权威性,且即使相同的商品在没有商标授权使用时也属于假冒注册商标的商品,因此由权利人出具真伪鉴定意见具有合理性。另一方面,执法部门在执法中也要求权利人对产品真伪出具意见。国家知识产权局印发的《商标侵权判断标准》第三十六条规定,在查处商标侵权案件过程中,商标执法相关部门可以要求权利人对涉案商品是否为权利人生产或者其许可生产的商品出具书面辨认意见。司法实践中的常规做法也遵循上述规定,要求权利人出具相关意见。商标权利人一般需要证明没有授权各被告人生产、销售涉案商品,并且对鉴定对象与正品进行实质性比对,从而得出涉案鉴定对象的真伪。

  实践中,有些商标权利人出于品牌利益对相关商品的销售区域进行限制,在发现串货行为(未按商标权利人要求在指定区域内销售)时,以举报商品商标侵权为由,希望有关部门查处相关行为,甚至有商标权利人出具虚假的鉴定意见。对这类鉴定意见的审查需明辨真伪,依法处理。审查中,除了要对鉴定样品和鉴定文书进行审查外,还应听取涉嫌销售侵权商品人的意见,如果销售人对商品的真伪有异议,执法机关应当对相关意见涉及的事实进行调查。如果查证后确实仅仅是商家之间的串货行为,则应当否定鉴定意见的真实性。同时,该鉴定意见必须和其他相关涉案证据互相印证,如涉案商品来源追溯情况、进货与销售价格是否在合理区间、销售人的账册是否真实完整、通讯记录及相关陈述意见是否合理等,以形成完整的证据链。只有没有相反证据推翻鉴定意见时,鉴定意见才能作为证据予以采纳,而不能单独依据鉴定意见作为认定商品是否存在商标侵权的依据。

传送带损坏对象检测数据集 一、基础信息 • 数据集名称:传送带损坏对象检测数据集 • 图片数量: 训练集:645张图片 验证集:185张图片 测试集:92张图片 总计:922张工业监控图片 • 训练集:645张图片 • 验证集:185张图片 • 测试集:92张图片 • 总计:922张工业监控图片 • 分类类别: Hole(孔洞):传送带表面的孔洞损坏。 Human(人类):工作区域中的人类,用于安全监控。 Other Objects(其他对象):非预期对象,可能引起故障。 Puncture(刺穿):传送带被刺穿的损坏。 Roller(滚筒):传送带滚筒部件。 Tear(撕裂):传送带撕裂损坏。 impact damage(冲击损坏):由于冲击导致的损坏。 patch work(修补工作):已修补的区域。 • Hole(孔洞):传送带表面的孔洞损坏。 • Human(人类):工作区域中的人类,用于安全监控。 • Other Objects(其他对象):非预期对象,可能引起故障。 • Puncture(刺穿):传送带被刺穿的损坏。 • Roller(滚筒):传送带滚筒部件。 • Tear(撕裂):传送带撕裂损坏。 • impact damage(冲击损坏):由于冲击导致的损坏。 • patch work(修补工作):已修补的区域。 • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图像数据来源于工业监控系统,适用于计算机视觉分析。 二、适用场景 • 工业自动化检测系统开发:用于构建自动检测传送带损坏和异物的AI模型,实现实时监控和预防性维护,减少停机时间。 • 安全监控应用:识别人类和其他对象,提升工业环境的安全性,避免事故和人员伤害。 • 学术研究创新:支持计算机视觉在制造业、物流和自动化领域的应用研究,促进AI技术工业实践的融合。 • 教育培训:可用于培训AI模型或作为工业工程和自动化教育的案例数据,帮助学习者理解实际应用场景。 三、数据集优势 • 多样化的类别覆盖:包含8个关键类别,涵盖多种损坏类型和对象,确保模型能够处理各种实际工业场景,提升泛化能力。 • 精准的标注质量:采用YOLO格式,边界框标注准确,由专业标注人员完成,保证数据可靠性和模型训练效果。 • 强大的任务适配性:兼容主流深度学习框架(如YOLO、TensorFlow、PyTorch),可直接用于目标检测任务,并支持扩展至其他视觉任务需求。 • 突出的工业价值:专注于工业传送带系统的实际需求,帮助提升生产效率、降低维护成本,并增强工作场所安全,具有较高的实际应用价值。
一、基础信息 • 数据集名称:垃圾废弃物目标检测数据集 • 图片数量: 训练集:1124张图片 验证集:375张图片 总计:1499张图片 • 训练集:1124张图片 • 验证集:375张图片 • 总计:1499张图片 • 分类类别:包含60多个垃圾和废弃物类别,如气溶胶、铝泡罩包装、电池、破碎玻璃、卡片泡罩包装、香烟、透明塑料瓶、瓦楞纸箱、薯片袋、一次性食品容器、一次性塑料杯、饮料罐、饮料纸盒、鸡蛋盒、泡沫杯、泡沫食品容器、食品罐、食物垃圾、垃圾袋、玻璃瓶、玻璃杯、玻璃罐、杂志纸、餐盒、金属瓶盖、金属盖、普通纸、其他纸箱、其他塑料、其他塑料瓶、其他塑料容器、其他塑料杯、其他塑料包装、纸袋、纸杯、纸吸管、披萨盒、塑料瓶盖、塑料薄膜、塑料手套、塑料盖、塑料吸管、塑料餐具、聚丙烯袋、拉环、绳子、废金属、鞋子、一次性购物袋、六罐环、涂抹管、可挤压管、泡沫塑料片、纸巾、厕纸管、特百惠、未标记垃圾、包装纸等。 • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图片来源于实际场景,细节清晰。 二、适用场景 • 垃圾自动分类系统开发:数据集支持目标检测任务,帮助构建能够自动识别和分类垃圾物品的AI模型,用于智能垃圾桶或回收系统,提升废弃物管理效率。 • 环保应用研发:集成至环保和废弃物管理应用,提供实时垃圾识别功能,促进回收和环境保护,支持可持续发展倡议。 • 学术研究创新:支持计算机视觉环保领域的交叉研究,助力发表垃圾识别和AI技术相关学术论文,推动技术创新。 • 教育培训:可用于学校或培训机构,作为垃圾分类和AI目标检测教学的重要资源,培养环保意识和技术能力。 三、数据集优势 • 精准标注多样性:每张图片经过准确标注,确保边界框定位精确;包含多种垃圾类别,覆盖常见废弃物,提升模型的泛化能力和鲁棒性。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,并支持扩展到其他视觉任务,如分类或分割。 • 实际应用价值:专注于垃圾识别,为环保、废弃物管理和回收提供重要数据支撑,有助于减少污染和促进循环经济。
水下垃圾实例分割数据集 一、基础信息 • 数据集名称:水下垃圾实例分割数据集 • 图片数量: 训练集:1049张图片 验证集:300张图片 测试集:150张图片 总计:1499张图片 • 训练集:1049张图片 • 验证集:300张图片 • 测试集:150张图片 • 总计:1499张图片 • 分类类别: Aerosol(气溶胶罐) Aluminium blister pack(铝泡罩包装) Aluminium foil(铝箔) Battery(电池) Broken glass(碎玻璃) Carded blister pack(卡式泡罩包装) Cigarette(香烟) Clear plastic bottle(透明塑料瓶) Corrugated carton(瓦楞纸箱) Crisp packet(薯片袋) Disposable food container(一次性食品容器) Disposable plastic cup(一次性塑料杯) Drink can(饮料罐) Drink carton(饮料纸盒) Egg carton(鸡蛋盒) Foam cup(泡沫杯) Foam food container(泡沫食品容器) Food Can(食品罐) Food waste(食物垃圾) Garbage bag(垃圾袋) Glass bottle(玻璃瓶) Glass cup(玻璃杯) Glass jar(玻璃罐) Magazine paper(杂志纸) Meal carton(餐盒) Metal bottle cap(金属瓶盖) Metal lid(金属盖子) Normal paper(普通纸) Other carton(其他纸盒) Other plastic(其他塑料) Other plastic bottle(其他塑料瓶) Other plastic container(其他塑料容器) Other plastic cup(其他塑料杯) Other plastic wrapper(其他塑料包装) Paper bag(纸袋) Paper cup(纸杯) Paper straw(纸吸管) Pizza box(披萨盒) Plastic bottle cap(塑料瓶盖) Plastic film(塑料薄膜) Plastic gloves(塑料手套) Plastic lid(塑料盖子) Plastic straw(塑料吸管) Plastic utensils(塑料餐具) Polypropylene bag(聚丙烯袋) Pop tab(易拉罐拉环) Rope - strings(绳子-字符串) Scrap metal(废金属) Shoe(鞋子) Single-use carrier bag(一次性购物袋) Six pack rings(六罐环) Spread tub(涂抹桶) Squeezable tube(可挤压管) Styrofoam piece(泡沫塑料片) Tissues(纸巾) Toilet tube(卫生纸卷) Tupperware(特百惠) Unlabeled litter(未标记垃圾) Wrapping paper(包装纸) • Aerosol(气溶胶罐) • Aluminium blister pack(铝泡罩包装) • Aluminium foil(铝箔) • Battery(电池) • Broken glass(碎玻璃) • Carded blister pack(卡式泡罩包装) • Cigarette(香烟) • Clear plastic bottle(透明塑料瓶) • Corrugated carton(瓦楞纸箱) • Crisp packet(薯片袋) • Disposable food container(一次性食品容器) • Disposable plastic cup(一次性塑料杯) • Drink can(饮料罐) • Drink carton(饮料纸盒) • Egg carton(鸡蛋盒) • Foam cup(泡沫杯) • Foam food container(泡沫食品容器) • Food Can(食品罐) • Food waste(食物垃圾) • Garbage bag(垃圾袋) • Glass bottle(玻璃瓶) • Glass cup(玻璃杯) • Glass jar(玻璃罐) • Magazine paper(杂志纸) • Meal carton(餐盒) • Metal bottle cap(金属瓶盖) • Metal lid(金属盖子) • Normal paper(普通纸) • Other carton(其他纸盒) • Other plastic(其他塑料) • Other pl
内容概要:本文介绍了在MATLAB平台上实现的基于CNN-SVM融合模型的多特征分类预测项目,通过结合卷积神经网络(CNN)强大的自动特征提取能力支持向量机(SVM)优异的分类泛化性能,构建了一种高精度、强鲁棒性的混合分类框架。项目详细阐述了模型的整体架构,包括数据预处理、CNN特征提取、全连接层输出、特征降维标准化、SVM分类决策等模块,并针对多源高维特征融合、小样本不平衡、特征空间不匹配、模型效率可解释性等实际挑战提出相应解决方案。文中还提供了部分代码示例和性能评估方法,展示了该模型在图像、医疗、金融等多领域的应用潜力。; 适合人群:具备一定机器学习和MATLAB编程基础,从事数据分析、智能系统开发或相关研究工作的高校师生、科研人员及工程技术人员;适合有一定深度学习背景、希望探索模型融合技术的中级开发者。; 使用场景及目标:①应用于多特征、小样本、类别不平衡的复杂分类任务,如医学图像识别、金融欺诈检测、工业故障诊断等;②提升分类准确率模型泛化能力,同时增强决策可解释性;③为实际业务场景提供可复用、可扩展的智能分类解决方案。; 阅读建议:建议结合MATLAB深度学习工具箱动手实践,重点关注CNN特征提取SVM分类的衔接流程,理解特征降维标准化的关键作用,并通过调整网络结构、核函数参数等进行模型优化实验,深入掌握融合模型的设计思想调参技巧。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值