[发明专利]显著物体区域检测方法及系统

权利要求书

1.一种显著物体区域检测方法，其特征在于，所述检测方法包括：

通过采用多层卷积网络从待检测图像中进行特征抽取，获得多层级特征图；

对多层级特征图进行显著值非线性回归处理，得到初级显著图；

对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图。

2.根据权利要求1所述的显著物体区域检测方法，其特征在于，所述多层卷积网络为视觉几何组VGG-16或者残差网络RES-101。

3.根据权利要求1所述的显著物体区域检测方法，其特征在于，所述对多层级特征图进行显著值非线性回归处理，得到初级显著图，具体包括：

利用三层级联的全卷积层，对多层级特征图进行从特征图到像素级的显著值非线性回归处理，获得初级显著图。

4.根据权利要求3所述的显著物体区域检测方法，其特征在于，所述三层级联的各全卷积层之间连接有修正线性单元及丢弃层。

5.根据权利要求3所述的显著物体区域检测方法，其特征在于，根据以下公式得到初级显著图：

其中，L(X,Y,θ,β)为显著值非线性回归网络的损失函数，N为像素个数，X为待检测图像，X＝{x_i|i＝1,2,...N}，x_i为所述待检测图像中第i个像素点对应的检测区域，Y为真实标注显著图，Y＝{y_i|i＝1,2,...N}，y_i∈{0,1}，y_i为所述真实标注显著图中第i个像素点对应的真实标注显著区域，θ为网络参数，β为超参数，L_g(X,Y,θ)为基本的全局损失，L_s(X,Y,θ)为显著区域损失；N⁺为图像中的显著区域的像素个数，N^-为图像中的非显著区域的像素个数，F(·)为整个网络处理过程，F(x_j,θ)为每个像素的显著值回归结果，Ψ(·)为Smooth-L1函数。

6.根据权利要求1-5中任一项所述的显著物体区域检测方法，其特征在于，所述初级显著图的大小为待检测图像的八分之一。

7.根据权利要求1所述的显著物体区域检测方法，其特征在于，所述对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图，具体包括：

确定所述待检测图像的尺寸信息，所述尺寸信息包括所述待检测图像的宽和高；

利用三次双线性插值方法，将所述初级显著图按比例放大到与所述待检测图像尺寸信息完全一致，得到终极显著图。

8.一种显著物体区域检测系统，其特征在于，所述检测系统包括：

特征抽取单元，用于通过采用多层卷积网络从待检测图像中进行特征抽取，获得多层级特征图；

回归处理单元，用于对多层级特征图进行显著值非线性回归处理，得到初级显著图；

差值处理单元，用于对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图。

9.一种显著物体区域检测系统，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

通过采用多层卷积网络从待检测图像中进行特征抽取，获得多层级特征图；

对多层级特征图进行显著值非线性回归处理，得到初级显著图；

对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图。

10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

通过采用多层卷积网络从待检测图像中进行特征抽取，获得多层级特征图；

对多层级特征图进行显著值非线性回归处理，得到初级显著图；

对所述初级显著图进行三次双线性插值处理，获得与所述待检测图像匹配的终极显著图。