[发明专利]图像的显著性区域提取方法、装置、设备以及存储介质

说明书

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_i；针对M个特征图f_i中的每个特征图f_i，将特征图f_i与其高频信息进行融合，生成特征图f_i对应的高频增强特征图h_j；基于各高频增强特征图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高频增强特征图h₁生成目标图像的显著性区域初始识别结果；基于特征图f_N和显著性区域初始识别结果生成第一融合特征图；将第一融合特征图、显著性区域初始识别结果和至少一个特征图f_i合并成第二融合特征图；基于第二融合特征图提取目标显著性区域。上述方法可以更加准确地提取到目标显著性区域。

技术领域

本公开涉及人工智能技术领域，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。

背景技术

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。

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。

发明内容

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。

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：

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M个特征图 f_i中的每个特征图f_i，将特征图f_i与其高频信息进行融合，生成特征图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高频增强特征图h₁生成目标图像的显著性区域初始识别结果；

基于特征图f_N和显著性区域初始识别结果生成第一融合特征图；

将第一融合特征图、显著性区域初始识别结果和至少一个特征图f_i进行合并，得到第二融合特征图；

基于第二融合特征图生成目标图像的显著性区域目标识别结果，基于显著性区域目标识别结果提取目标显著性区域。

在本公开实施例中，针对M个特征图f_i中的每个特征图f_i，将特征图f_i与其高频信息进行融合，生成特征图f_i对应的高频增强特征图h_i，包括：

针对M个特征图f_i中的每个特征图f_i，获取特征图f_i进行池化后的特征平均值；

计算特征图f_i与特征平均值的差值，将差值作为特征图f_i的高频信息；