【技术实现步骤摘要】
显著性检测方法及其模型的训练方法和装置、设备、介质
[0001]本申请涉及图像处理
,特别是涉及一种显著性检测方法及其模型的训练方法和装置、设备、介质。
技术介绍
[0002]目前,在对模型进行训练的过程中,只是简单从样本图像数据库中获取一定数据的样本图像,并直接使用这部分样本图像对模型进行训练。但是有的样本图像本身存在一定的缺陷,若使用这部分样本图像对模型进行训练,会导致训练后的模型对图像进行处理得到的结果的准确度不高。
技术实现思路
[0003]本申请至少提供一种显著性检测方法及其模型的训练方法和装置、设备、介质。
[0004]本申请提供了一种显著性检测模型的训练方法,包括:获取至少一张样本图像,其中,至少一张样本图像包括属于预设图像类型的目标样本图像;基于目标样本图像中显著性区域的轮廓缺失情况,对目标样本图像进行过滤;利用显著性检测模型对经过滤后的样本图像进行检测,得到样本图像中关于显著性区域的预测位置信息;基于样本图像关于显著性区域的标注位置信息与预测位置信息,调整显著性检测模型的参数。
[0005]因此,通过对获取到的预设图像类型的目标样本图像进行按照其显著性区域的轮廓缺失情况,对目标样本图像进行过滤,使得保留下的样本图像中显著性区域较为完整,进而利用这种保留下的质量较高的样本图像对显著性检测模型进行训练,可以使得训练得到的显著性检测模型后续对图像进行检测的结果更准确。
[0006]其中,基于目标样本图像中显著性区域的轮廓缺失情况,对目标样本图像进行过滤,包括: ...
【技术保护点】
【技术特征摘要】
1.一种显著性检测模型的训练方法,其特征在于,包括:获取至少一张样本图像,其中,所述至少一张样本图像包括属于预设图像类型的目标样本图像;基于所述目标样本图像中显著性区域的轮廓缺失情况,对所述目标样本图像进行过滤;利用显著性检测模型对经过滤后的所述样本图像进行检测,得到所述样本图像中关于显著性区域的预测位置信息;基于所述样本图像关于所述显著性区域的标注位置信息与所述预测位置信息,调整所述显著性检测模型的参数。2.根据权利要求1所述的方法,其特征在于,所述基于所述目标样本图像中显著性区域的轮廓缺失情况,对所述目标样本图像进行过滤,包括:对所述目标样本图像中所述显著性区域的轮廓进行填补,得到填补样本图像;获取所述填补样本图像与所述目标样本图像中关于所述显著性区域的差异;在所述差异满足预设要求的情况下,过滤所述目标样本图像。3.根据权利要求2所述的方法,其特征在于,所述预设要求为所述差异大于预设差异值;所述对所述目标样本图像中所述显著性区域的轮廓进行填补,得到填补样本图像,包括:对所述目标样本图像进行闭运算,得到填补样本图像;所述获取所述填补样本图像与所述目标样本图像中关于所述显著性区域的差异,包括:获取所述填补样本图像关于所述显著性区域的第一面积,以及所述目标样本图像中关于所述显著性区域的第二面积;将所述第一面积和第二面积之差作为所述差异。4.根据权利要求2或3所述的方法,其特征在于,在所述基于所述目标样本图像中显著性区域的轮廓缺失情况,对所述目标样本图像进行过滤之后,所述方法还包括:基于所述填补样本图像的显著性区域的位置信息,得到所述目标样本图像关于所述显著性区域的标注位置信息。5.根据权利要求1至4任一项所述的方法,其特征在于,所述至少一张样本图像包括多种图像类型。6.根据权利要求5所述的方法,其特征在于,所述多种图像类型包括对真实物体拍摄得到的图像、手绘图、卡通图中的至少两种。7.根据权利要求1所述的方法,其特征在于,所述基于所述样本图像关于所述显著性区域的标注位置信息与所述预测位置信息,调整所述显著性检测模型的参数,包括:基于所述标注位置信息和预测位置信息,获取所述样本图像中各像素的第一损失;将所述样本图像中各像素的第一损失进行加权,得到所述样本图像的第二损失;基于所述第二损失,调整所述显著性检测模型的参数。8.根据权利要求7所述的方法,其特征在于,所述像素的第一损失的权重与所述像素的边界距离相关,所述像素的边界距离为所述像素与真实显著性区域的边界之间的距离,所
述真实显著性区域为所述样本图像中由所述标注位置信息定义的显著性区域。9.根据权利要求8所述的方法,其特征在于,所述像素的边界距离越小,所述像素的第一损失的权重越大。10.根据权利要求1至9任一项所述的方法,其特征在于,所述显著性检测模型为MobileNetV3的网络结构;和/或,所述显著性检...
【专利技术属性】
技术研发人员:秦梓鹏,黄健文,黄展鹏,
申请(专利权)人:深圳市慧鲤科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。