[发明专利]基于卷积神经网络的图像主目标检测方法及装置

权利要求书

1.一种基于卷积神经网络的图像主目标检测方法，其特征在于，包括：

获取输入图像；

将所述输入图像经过卷积层处理以得到多个特征图，并通过特征通道输出所述特征图；每个特征图都可对应到所述输入图像；

根据每个特征通道的热力图获取所述特征图上的显著性区域；

对所述特征图上的显著性区域做聚类处理以形成多个特征簇；

基于所有所述特征簇的位置确定所述输入图像上的主目标的位置；

所述对所述特征图上的显著性区域做聚类处理以形成多个特征簇包括：

设置位置距离阈值；

判断任意两个特征通道输出的特征图上显著性区域的位置距离是否小于所述位置距离阈值；

若判断结果为是，则将这两个特征通道输出的特征图上的显著性区域做聚合以形成特征簇。

2.如权利要求1所述的方法，其特征在于，所述将所述输入图像经过卷积层处理以得到多个特征图，并通过特征通道输出所述特征图包括：

利用多个卷积核分别对所述输入图像进行特征提取以得到多个特征图；

将每个特征图通过对应的特征通道输出。

3.如权利要求1所述的方法，其特征在于，所述根据每个特征通道的热力图获取所述特征图上的显著性区域包括：

根据每个特征通道的权重向量与预设标量的乘积计算得到每个特征通道的热力图；

分析所述热力图以获取所述特征图上的显著性区域。

4.如权利要求1所述的方法，其特征在于，每个特征通道输出的所述特征图上的显著性区域只属于一个特征簇。

5.如权利要求1所述的方法，其特征在于，所述输入图像还具有标签信息，所述标签信息用于标识所述输入图像的主目标的类别。

6.一种基于卷积神经网络的图像主目标检测装置，其特征在于，包括：

图像获取模块，用于获取输入图像；

卷积层处理模块，用于将所述输入图像经过卷积层处理以得到多个特征图，并通过特征通道输出所述特征图；每个特征图都可对应到所述输入图像；

特征图处理模块，用于根据每个特征通道的热力图获取所述特征图上的显著性区域；

聚类处理模块，用于对所述特征图上的显著性区域做聚类处理以形成多个特征簇；

主目标检测模块，用于基于所有所述特征簇的位置确定所述输入图像上的主目标的位置；

所述聚类处理模块包括：

阈值设置单元，用于设置位置距离阈值；

距离判断单元，用于判断任意两个特征通道输出的特征图上显著性区域的位置距离是否小于所述位置距离阈值；

特征簇形成单元，用于若判断结果为是，则将这两个特征通道输出的特征图上的显著性区域做聚合以形成特征簇。

7.如权利要求6所述的装置，其特征在于，所述卷积层处理模块包括：

特征提取单元，用于利用多个卷积核分别对所述输入图像进行特征提取以得到多个特征图；

特征图输出处理单元，用于将每个特征图通过对应的特征通道输出。

8.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5中任一所述的方法。

9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。