[发明专利]显著性物体检测模型的训练方法、装置以及设备

说明书

本公开提供了一种显著性物体检测模型的训练方法、装置以及设备，涉及人工智能技术领域，具体涉及图像处理、计算机视觉和深度学习等技术领域，尤其涉及智慧城市、智能交通等场景。该方法的一具体实施方式包括：获取样本图像集中的样本图像的至少两个层次的特征张量；基于样本图像的至少两个层次的特征张量，生成样本图像的视觉对比度信息和样本图像集的视觉对比度信息混杂集合；基于样本图像的视觉对比度信息和样本图像集的视觉对比度信息混杂集合，生成视觉对比度融合信息；基于视觉对比度融合信息和样本图像的视觉对比度信息进行训练，得到显著性物体检测模型。该实施方式能够解决显著性物体检测模型学习中的视觉对比度偏差问题。

技术领域

本公开涉及人工智能技术领域，具体涉及图像处理、计算机视觉和深度学习等技术领域，尤其涉及智慧城市、智能交通等场景。

背景技术

在交通场景中，显著性物体检测能够检测交通场景内的显著区域和显著区域内的重要目标物体，同时忽略大部分无关的场景信息。

现有的无监督显著性物体检测方法通常采用自监督形式的迭代学习方式，也即模型自己生成伪标签监督自己训练。对于基于深度学习的方法，现有方法通常使用传统机器学习方法作为起始伪标签生成器来训练深度神经网络。为了获得更好的显著性物体检测性能，通常需要输入多个传统机器学习算法生成的伪标签，并对这些伪标签监督生成的模型进行集成学习，从而稳定模型训练和获得较好的效果。

发明内容

本公开实施例提出了一种显著性物体检测模型的训练方法、装置、设备、存储介质以及程序产品。

第一方面，本公开实施例提出了一种显著性物体检测模型的训练方法，包括：获取样本图像集中的样本图像的至少两个层次的特征张量；基于样本图像的至少两个层次的特征张量，生成样本图像的视觉对比度信息和样本图像集的视觉对比度信息混杂集合；基于样本图像的视觉对比度信息和样本图像集的视觉对比度信息混杂集合，生成视觉对比度融合信息；基于视觉对比度融合信息和样本图像的视觉对比度信息进行训练，得到显著性物体检测模型。

第二方面，本公开实施例提出了一种显著性物体检测方法，包括：获取待检测图像；将待检测图像输入至显著性物体检测模型，得到待检测图像的显著性物体检测结果，其中，显著性物体检测模型是采用采用第一方面所述的方法训练得到的。

第三方面，本公开实施例提出了一种显著性物体检测模型的训练装置，包括：获取模块，被配置成获取样本图像集中的样本图像的至少两个层次的特征张量；第一生成模块，被配置成基于样本图像的至少两个层次的特征张量，生成样本图像的视觉对比度信息和样本图像集的视觉对比度信息混杂集合；第二生成模块，被配置成基于样本图像的视觉对比度信息和样本图像集的视觉对比度信息混杂集合，生成视觉对比度融合信息；训练模块，被配置成基于视觉对比度融合信息和样本图像的视觉对比度信息进行训练，得到显著性物体检测模型。

第四方面，本公开实施例提出了一种显著性物体检测装置，包括：获取模块，被配置成获取待检测图像；检测模块，被配置成将待检测图像输入至显著性物体检测模型，得到待检测图像的显著性物体检测结果，其中，显著性物体检测模型是采用采用第三方面所述的装置训练得到的。

第五方面，本公开实施例提出了一种电子设备，包括：至少两个处理器；以及与至少两个处理器通信连接的存储器；其中，存储器存储有可被至少两个处理器执行的指令，指令被至少两个处理器执行，以使至少两个处理器能够执行如第一方面中任一实现方式描述的方法或第二方面中任一实现方式描述的方法。

第六方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法或第二方面中任一实现方式描述的方法。

第七方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法或第二方面中任一实现方式描述的方法。