图片特征提取方法、装置、服务器和介质制造方法及图纸

本发明专利技术实施例公开了一种图片特征提取方法、装置、服务器和介质，其中，该方法包括：检测目标图片中的显著性区域；结合所述目标图片中的显著性区域，从目标图片中提取特征参数，其中，所述特征参数与所述目标图片中的显著性区域的特征具有一致性。本发明专利技术实施例结合显著性区域提取图片中的特征参数，使得提取的特征参数与图片中的显著性区域的特征具有一致性。从而不仅实现了自动化的图片特征提取，而且提取的特征能够准确体现出所属图片的视觉特点，具有普适性，提高了方法的泛化能力。

【技术实现步骤摘要】
图片特征提取方法、装置、服务器和介质
本专利技术实施例涉及计算机
，尤其涉及一种图片特征提取方法、装置、服务器和介质。
技术介绍
在视频合成、图片合成中，需要考虑背景色、字体颜色等信息。例如，在广告用图片的合成中，需要在原始图片上添加文字注释，或者在宣传用海报类图片的合成中，需要在原始图片的基础上做出符合海报尺寸的延展，那么就需要确定文字注释的颜色，或者图片延展部分的背景色。为了让合成视频、图片的美观度符合标准，我们经常需要美工、UI设计等专业人士进行操作，这样合成的图片、视频的点击率才能得到保证。但是我们需要对图片、视频进行批量化生产，那么自动化配色就成为一个需要解决的技术问题。然而，现有技术通常是基于对图片全局颜色的统计规则来提取配色信息，这种方式提取的配色信息无法准确体现出所有图片的视觉特点，泛化能力不强。
技术实现思路
本专利技术实施例提供一种图片特征提取方法、装置、服务器和介质，以解决现有技术中图片特征提取无法体现所有图片的视觉特点、泛化能力不强的问题。第一方面，本专利技术实施例提供了一种图片本文档来自技高网...

【技术保护点】
1.一种图片特征提取方法，其特征在于，所述方法包括：/n检测目标图片中的显著性区域；/n结合所述目标图片中的显著性区域，从目标图片中提取特征参数，其中，所述特征参数与所述目标图片中的显著性区域的特征具有一致性。/n

【技术特征摘要】
1.一种图片特征提取方法，其特征在于，所述方法包括：
检测目标图片中的显著性区域；
结合所述目标图片中的显著性区域，从目标图片中提取特征参数，其中，所述特征参数与所述目标图片中的显著性区域的特征具有一致性。


2.根据权利要求1所述的方法，其特征在于，所述特征参数包括颜色特征参数、亮度特征参数或纹理特征参数；
相应的，所述颜色特征参数、亮度特征参数或纹理特征参数，分别与所述目标图片中的显著性区域的颜色特征、亮度特征或纹理特征具有一致性。


3.根据权利要求1或2所述的方法，其特征在于，检测目标图片中的显著性区域，包括：
利用预先训练得到的显著探测模型，通过对目标图片的像素点进行分类，检测目标图片中的显著性区域。


4.根据权利要求3所述的方法，其特征在于，结合所述目标图片中的显著性区域，从目标图片中提取特征参数，包括：
利用预先训练得到的特征提取模型，依据所述目标图片中显著性区域的像素特征与目标图片全局像素特征的关系，从目标图片中提取特征参数。


5.根据权利要求4所述的方法，其特征在于，所述显著探测模型和特征提取模型是利用端到端的机器学习方法训练得到；
其中，所述显著探测模型用于检测图片中的显著性区域，得到图片中的每个像素块属于显著性区域的概率；
所述特征提取模型用于依据所述概率提取图片的特征参数。


6.根据权利要求5所述的方法，其特征在于，所述特征提取模型为多层感知器；
相应的，所述显著探测模型和多层感知器的训练过程包括：
获取用于训练的图片样本集合，以及每个图片样本的标注数据，其中，所述标注数据包括每个图片样本的显著性区域，以及每个图片样本的特征参数；
将图片样本集合中的每个图片样本作为输入，将每个图片样本的显著性区域作为输出，对显著探测网络进行训练，得到初步的显著探测模型；
将图片样本集合中的每个图片样本作为输入，将所述每个图片样本的特征参数作为输出，利用端到端的机器学习方法，联合所述初步的显著探测模型和多层感知器进行训练，得到最终的显著探测模型和多层感知器。


7.一种图片特征提取装置，其特征在于，所述装置包括：
显著性区域检测模块，用于检测目标图片中的显著性区域；
特征参数提取模块，用于结合所述目标图片中的显著性区域，从目标图片中提取特征参数，...

【专利技术属性】
技术研发人员：杨羿，李小康，李一，陈晓冬，郭佳骋，刘林，朱延峰，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11