一种SAM模型增强的CNN-RoI下的图像自动裁切方法及系统技术方案

本发明专利技术公开了一种SAM模型增强的CNN‑RoI下的图像自动裁切方法及系统包括，通过利用SAM模型对于图像分割表达图像特征的显著优势，再应用网格候选框的裁切划分思维；在此基础上，利用深度学习的CNN网络和RoI、RoD综合对图像进行特征提取和分析，找出图像中的最佳候选裁切区域，进而实现图像的自动裁切；本发明专利技术的预训练神经网络模型不仅能够适应各种不同的纵横比，而且还能输出最具视觉吸引力的裁剪结果，使得无论从色彩的搭配，还是从构图的布局，都能够提供出最为满意的裁剪效果，在处理各种主题和风格的图像时也都有良好的表现；另外，本发明专利技术实现起来也非常简单且易于部署，具有很好的应用前景。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和深度学习，尤其涉及一种sam模型增强的cnn-roi下的图像自动裁切方法及系统。

技术介绍

1、随着数字技术和社交媒体的快速发展，图像在我们日常生活中的应用已趋于普遍。每天，全球范围内的用户们都会生成和分享大量的图像数据。然而，由于各种原因，如拍摄条件、拍摄角度、拍摄设备等，这些图像的构图和美学质量可能并不理想。因此，对这些图像进行裁剪，以改进其构图和提升其美学质量，已成为一个重要且具有实际应用价值的研究课题。

2、图像自动裁剪是一种常见的图像处理任务，其目标是通过技术手段，对图像进行剪裁处理，增强构图和提升图像美学质量。一个优秀的图像自动剪裁模型还应该能够应对各种各样的图像类型，适应各种不同的裁剪需求。

3、然而，图像自动裁剪是一种具有挑战性的任务。首先，图像本身的多样性和复杂性意味着对图像的裁剪必须考虑到各种因素，如图像的内容、色彩、纹理等。其次，不同的人对于图像美学的偏好和标准可能不尽相同，这使得图像自动裁剪必须在尽可能满足多样化需求的同时，也保持一定的通用性和适应性。此外，目前大多数图像自动裁剪方法本文档来自技高网...

【技术保护点】

1.一种SAM模型增强的CNN-RoI下的图像自动裁切方法，其特征在于，包括：

2.如权利要求1所述的SAM模型增强的CNN-RoI下的图像自动裁切方法，其特征在于，将图像输入至SAM模型，并通过所述SAM模型对所述图像生成分割掩膜，包括：

3.如权利要求2所述的SAM模型增强的CNN-RoI下的图像自动裁切方法，其特征在于，将所述生成分割掩膜与原始输入图像进行合并，并基于网格候选框生成有限个候选裁切，包括：

4.如权利要求3所述的SAM模型增强的CNN-RoI下的图像自动裁切方法，其特征在于，还包括：

5.如权利要求3或4所述的SAM模型...

【技术特征摘要】

1.一种sam模型增强的cnn-roi下的图像自动裁切方法，其特征在于，包括：

2.如权利要求1所述的sam模型增强的cnn-roi下的图像自动裁切方法，其特征在于，将图像输入至sam模型，并通过所述sam模型对所述图像生成分割掩膜，包括：

3.如权利要求2所述的sam模型增强的cnn-roi下的图像自动裁切方法，其特征在于，将所述生成分割掩膜与原始输入图像进行合并，并基于网格候选框生成有限个候选裁切，包括：

4.如权利要求3所述的sam模型增强的cnn-roi下的图像自动裁切方法，其特征在于，还包括：

5.如权利要求3或4所述的sam模型增强的cnn-roi下的图像自动裁切方法，其特征在于，利用多类型cnn预训练神经网络模型作为特征提取器，提取所述生成有限个候选裁切中的图像特征，包括：

6.如权利要求5所述的sam...

【专利技术属性】
技术研发人员：赵海涛，张凌豪，刘鹏飞，陈科齐，徐波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：