图像的显著性区域提取方法、装置、设备以及存储介质制造方法及图纸

本公开提供了一种图像的显著性区域提取方法、装置、设备以及存储介质，包括：基于预先训练的显著性区域提取模型提取目标图像的N个不同层级的特征图f

Method, device, device and storage medium for extracting salient region of image

【技术实现步骤摘要】
图像的显著性区域提取方法、装置、设备以及存储介质


[0001]本公开涉及人工智能
，具体涉及一种图像的显著性区域提取方法、装置、设备以及存储介质。

技术介绍

[0002]人类能够在视觉场景中的重要区域快速分配注意力。理解和模拟这种惊人的能力，即视觉注意力或视觉显著性，是心理学、神经生物学、认知科学和计算机视觉中的一个基本研究问题。
[0003]当前已存在很多显著性目标检测算法，然而，现有的显著性目标检测算法使用的图像的信息不够充分和详细，这会导致其提取的显著性区域的结果不够准确；由于训练显著性目标检测模型使用的损失函数置信度较低，使得显著性目标检测模型输出的显著性区域的边界模糊，同样会导致其提取的显著性区域的结果不够准确，也无法保证显著区域的一致性。

技术实现思路

[0004]本公开提供了一种图像的显著性区域提取方法、装置、设备以及存储介质。
[0005]根据本公开的第一方面，提供了一种图像的显著性区域提取方法，包括：
[0006]基于预先训练的显著性区域提取模型提取目标图像的N个不同层级的特征图f本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像的显著性区域提取方法，包括：基于预先训练的显著性区域提取模型提取目标图像的N个不同层级的特征图f
i
，其中，i为不大于N的正整数，特征图f1至特征图f
N
的层级依次升高；在所述N个不同层级的特征图f
i
中确定出M个特征图f
i
，针对所述M个特征图f
i
中的每个特征图f
i
，将所述特征图f
i
与其高频信息进行融合，生成所述特征图f
i
对应的高频增强特征图h
j
，其中，j为不大于M的正整数；基于各所述所述高频增强特征图h
j
对高频增强特征图h1的边界信息进行加强，基于边界信息加强后的所述高频增强特征图h1生成所述目标图像的显著性区域初始识别结果；基于所述特征图f
N
和所述显著性区域初始识别结果生成第一融合特征图；将所述第一融合特征图、所述显著性区域初始识别结果和至少一个所述特征图f
i
进行合并，得到第二融合特征图；基于所述第二融合特征图生成所述目标图像的显著性区域目标识别结果，基于所述显著性区域目标识别结果提取目标显著性区域。2.根据权利要求1所述的方法，其中，所述针对所述M个特征图f
i
中的每个特征图f
i
，将所述特征图f
i
与其高频信息进行融合，生成所述特征图f
i
对应的高频增强特征图h
i
，包括：针对所述M个特征图f
i
中的每个特征图f
i
，获取所述特征图f
i
进行池化后的特征平均值；计算所述特征图f
i
与所述特征平均值的差值，将所述差值作为所述特征图f
i
的高频信息；计算所述特征图f
i
与所述高频信息的和值，将所述和值作为所述特征图f
i
对应的高频增强特征图h
j
。3.根据权利要求1所述的方法，其中，所述显著性区域提取模型包括(M
‑
1)个边界增强单元k
j
，边界增强单元k
j
与高频增强特征图h
j+1
对应，用于加强高频增强特征图h1的边界信息；所述基于各所述所述高频增强特征图h
j
对高频增强特征图h1的边界信息进行加强，基于边界信息加强后的所述高频增强特征图h1生成所述目标图像的显著性区域初始识别结果，包括：当j＝1时，将高频增强特征图h1和高频增强特征图h2输入到边界增强单元k1，基于边界增强单元k1输出第1次边界加强的高频增强特征图h1；当1<j<M时，将高频增强特征图h
j+1
和第(j
‑
1)次边界加强的高频增强特征图h1输入到边界增强单元k
j
，基于边界增强单元k
j
输出第j次边界加强的高频增强特征图h1；基于第(M
‑
1)次边界加强的高频增强特征图h1生成所述目标图像的显著性区域初始识别结果。4.根据权利要求1所述的方法，其中，所述基于所述特征图f
N
和所述显著性区域初始识别结果生成第一融合特征图，包括：从所述特征图f
N
中提取出多尺度信息；将所述显著...

【专利技术属性】
技术研发人员：秦伟伟，余凌昊，梁卓，李烨，汪立新，刘洁瑜，周小刚，秦庆强，沈强，何兵，赵欣，胡琛，刘刚，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：