图像样本生成方法、装置和电子设备制造方法及图纸

本公开实施例公开了图像样本生成方法、装置和电子设备。该方法的一具体实施方式包括：将第一图像样本导入预先训练的分类模型，其中，所述分类模型包括至少一个特征提取层，分类模型用于表征图像与预定义类型之间的对应关系；根据特征提取层输出的特征图，确定第一图像样本中的显著性区域；将指示所述显著性区域的显著性区域标签，与所述第一图像样本建立对应关系，其中，所述显著性区域标签和所述第一图像样本用于训练得到显著性检测模型。由此，可以提供一种新的图像样本生成方式。

【技术实现步骤摘要】
图像样本生成方法、装置和电子设备
本公开涉及互联网
，尤其涉及一种图像样本生成方法、装置和电子设备。
技术介绍
随着互联网的发展，用户越来越多的使用终端设备浏览各类信息。人类视觉系统在面对自然场景时具有快速搜索和定位感兴趣目标的能力，这种视觉注意机制是人们日常生活中处理视觉信息的重要机制。随着互联网带来的大数据量的传播，如何从海量的图像和视频数据中快速地获取重要信息，已经成为计算机视觉领域一个关键的问题。
技术实现思路
提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。第一方面，本公开实施例提供了一种图像样本生成方法，该方法包括：将第一图像样本导入预先训练的分类模型，其中，所述分类模型包括至少一个特征提取层，分类模型用于表征图像与预定义类型之间的对应关系；根据特征提取层输出的特征图，确定第一图像样本中的显著性区域；将指示所述显著性区域的显著性区域标签，与所述第一本文档来自技高网...

【技术保护点】
1.一种图像样本生成方法，其特征在于，包括：/n将第一图像样本导入预先训练的分类模型，其中，所述分类模型包括至少一个特征提取层，分类模型用于表征图像与预定义类型之间的对应关系；/n根据特征提取层输出的特征图，确定第一图像样本中的显著性区域；/n将指示所述显著性区域的显著性区域标签，与所述第一图像样本建立对应关系，其中，所述显著性区域标签和所述第一图像样本用于训练得到显著性检测模型。/n

【技术特征摘要】
1.一种图像样本生成方法，其特征在于，包括：
将第一图像样本导入预先训练的分类模型，其中，所述分类模型包括至少一个特征提取层，分类模型用于表征图像与预定义类型之间的对应关系；
根据特征提取层输出的特征图，确定第一图像样本中的显著性区域；
将指示所述显著性区域的显著性区域标签，与所述第一图像样本建立对应关系，其中，所述显著性区域标签和所述第一图像样本用于训练得到显著性检测模型。


2.根据权利要求1所述的方法，其特征在于，所述根据特征提取层输出的特征图，确定第一图像样本中的显著性区域，包括：
从所述特征图中，确定响应得分率大于预设响应得分率阈值的区域，其中，响应得分率为该区域的响应得分与特征图中响应总得分之间的比值；
根据所确定的区域，确定显著性区域。


3.根据权利要求1所述的方法，其特征在于，所述分类模型通过第一步骤训练得到，第一步骤包括：
将第二图像样本导入初始分类模型，得到分类结果；
基于分类结果与第二图像样本的类型标签，调整所述初始分类模型，其中，类型标签用于指示图像点击率。


4.根据权利要求3所述的方法，其特征在于，第二图像样本和对应的类型标签通过第二步骤生成，其中，第二步骤包括：
将候选图像导入点击模型，得到预估点击率，其中，所述点击模型用于表征图像与预估点击率之间的对应关系；
根据预估点击率，从候选图像中确定所述第二图像样本，以及生成第二图像样本对应的类型标签。


5.根据权利要求4所述的方法，其特征在于，所述根据预估点击率，从候选图像中确定所述第二图像样本，以及生成第二图像样本对应的类型标签，包括：
将预估点击率大于第一点击率阈值的候选图像，确定为与第一类型标签对应的第二候选图像；
将预估点击率小于第二点击率阈值的候选图像，确定为与第二类型标签对应的第二候选图像，其中，第一点击率阈值不小于第二点击率阈值。

<...

【专利技术属性】
技术研发人员：周杰，刘畅，王长虎，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：北京;11