[发明专利]图像的显著性检测方法及装置

权利要求书

1.一种图像的显著性检测方法，其特征在于，包括：

采用深度卷积神经网络，通过第一分类器对图像进行显著性检测，确定所述图像中的显著性区域；

采用所述深度卷积神经网络，通过第二分类器对所述显著性区域进行目标检测，确定所述显著性区域中的目标的类别；

其中，所述深度卷积神经网络中的所述第一分类器和所述第二分类器同时训练。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据所述显著性区域的边界以及所述目标的类别，确定所述目标的边界框。

3.根据权利要求1所述的方法，其特征在于，采用所述深度卷积神经网络，通过第二分类器对所述显著性区域进行目标检测，包括：

根据所述深度卷积神经网络中的各个通道的输入值，确定所述深度卷积神经网络针对所述各个通道的激活函数。

4.根据权利要求3所述的方法，其特征在于，根据所述深度卷积神经网络中的各个通道的输入值，确定所述深度卷积神经网络针对所述各个通道的激活函数，包括：

采用式1确定通道c的激活函数f(x)，

其中，x表示所述通道c的输入值，a_c表示当所述通道c的输入值小于0时所述深度卷积神经网络针对所述通道c的斜率值，b_c表示当所述通道c的输入值大于或等于0时所述深度卷积神经网络针对所述通道c的斜率值。

5.根据权利要求1所述的方法，其特征在于，对图像进行显著性检测，确定所述图像中的显著性区域，包括：

对所述图像进行显著性检测，确定所述图像中的各个像素的显著性值；

根据所述图像中的各个像素的显著性值，确定所述图像中的显著性区域。

6.一种图像的显著性检测装置，其特征在于，包括：

第一确定模块，用于采用深度卷积神经网络，通过第一分类器对图像进行显著性检测，确定所述图像中的显著性区域；

第二确定模块，用于采用所述深度卷积神经网络，通过第二分类器对所述显著性区域进行目标检测，确定所述显著性区域中的目标的类别；

其中，所述深度卷积神经网络中的所述第一分类器和所述第二分类器同时训练。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第三确定模块，用于根据所述显著性区域的边界以及所述目标的类别，确定所述目标的边界框。

8.根据权利要求6所述的装置，其特征在于，所述第二确定模块包括：

第一确定子模块，用于根据所述深度卷积神经网络中的各个通道的输入值，确定所述深度卷积神经网络针对所述各个通道的激活函数。

9.根据权利要求8所述的装置，其特征在于，所述第一确定子模块用于：

采用式1确定通道c的激活函数f(x)，

其中，x表示所述通道c的输入值，a_c表示当所述通道c的输入值小于0时所述深度卷积神经网络针对所述通道c的斜率值，b_c表示当所述通道c的输入值大于或等于0时所述深度卷积神经网络针对所述通道c的斜率值。

10.根据权利要求6所述的装置，其特征在于，第一确定模块包括：

第二确定子模块，用于对所述图像进行显著性检测，确定所述图像中的各个像素的显著性值；

第三确定子模块，用于根据所述图像中的各个像素的显著性值，确定所述图像中的显著性区域。

11.一种图像的显著性检测装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1至5中任意一项所述的方法。

12.一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行权利要求1至5中任意一项所述的方法。