[发明专利]图像的显著性检测方法及装置

说明书

本公开是关于一种图像的显著性检测方法及装置。该方法包括：对图像进行显著性检测，确定所述图像中的显著性区域；采用深度卷积神经网络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。本公开通过对图像进行显著性检测，确定该图像中的显著性区域，并采用深度卷积神经网络对显著性区域进行目标检测，确定显著性区域中的目标的类别，由此能够结合显著性检测技术和深度卷积神经网络准确地识别出图像中的目标的类别。

技术领域

本公开涉及图像技术领域，尤其涉及图像的显著性检测方法及装置。

背景技术

显著性物体检测(Salient Object Detection)是智能图像处理的基本问题之一。不同于一般物体检测中需要检测图像中所有物体的要求，显著性物体检测要求通过对人的真实视点进行采集，得到图像中最可能引起人关注的物体，并利用仿生或学习的方式进行建模。显著性物体检测器最终输出的物体要求尽可能接近人类真正感兴趣的物体。

图1是相关技术中的显著性物体检测的示意图。如图1所示，在相关技术中，显著性物体检测的基本操作单位为图像像素，显著性程度根据像素的灰度值确定。在图1中，各个图片中不同部分的灰度值不同。灰度值越大，则显著性程度越高。然而，由于物体检测通常要求直接给出显著性物体的边界框，因此，相关技术中的显著性物体检测技术很难发挥作用。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像的显著性检测方法及装置。

根据本公开实施例的第一方面，提供一种图像的显著性检测方法，包括：

对图像进行显著性检测，确定所述图像中的显著性区域；

采用深度卷积神经网络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。

在一种可能的实现方式中，在确定所述显著性区域中的目标的类别之后，所述方法还包括：

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。

在一种可能的实现方式中，采用深度卷积神经网络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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

根据本公开实施例的第二方面，提供一种图像的显著性检测装置，包括：

第一确定模块，用于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，用于采用深度卷积神经网络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。

在一种可能的实现方式中，所述装置还包括：