[发明专利]一种使用检测框实现弱监督图像显著性检测的方法

权利要求书

1.一种使用检测框实现弱监督图像显著性检测的方法，其特征在于包括如下步骤：

步骤(1)：数据预处理工作；

检测框标注数据中包含训练集图像及其对应的检测框弱监督信息，由检测框弱监督信息可以得到检测框区域图，接着检测框区域图经过全连接条件随机场CRF方法、背景噪声过滤和显著性区域标记处理，得到初始的粗糙显著图伪标签，并将其作为显著性检测网络模型的监督信息来训练模型；

步骤(2)：第一轮显著性检测模型的训练；

使用训练集图像及其初始的粗糙显著图伪标签来训练显著性检测模型；

步骤(3)：显著图伪标签的更新；

使用前一轮训练后的显著性检测模型在训练集图像上做预测，得到预测显著图；

然后利用全连接条件随机场CRF方法对预测显著图进行精细化处理和融合；所述的融合是指计算CRF方法边缘精细化处理后得到的显著图与预测显著图的均值得到新的显著图；

用已有的检测框标注数据的检测框区域图和新的显著图检测框内像素的平均显著值对新的显著图进行划分，划分为检测框内显著前景像素区域、检测框外背景像素区域和检测框内低显著的可忽略监督像素区域，得到新的显著图伪标签；

步骤(4)：显著性检测模型的训练；

使用更新后新的显著图伪标签监督信息重新训练显著性检测模型；

步骤(5)：迭代精炼过程；

重复步骤(3)和步骤(4)的显著图伪标签的更新以及显著性检测模型训练的精炼过程，直到显著性检测模型的参数趋于稳定；

步骤(6)：模型微调；

首先使用步骤(5)得到的显著性检测模型在显著性检测数据集的训练数据上做前向预测，得到显著性检测数据集的预测显著图；

再利用全连接条件随机场CRF方法精细化前向预测得到的预测显著图；

最后将精细化后的预测显著图作为显著图伪标签，来微调当前的显著性检测模型；

步骤(7)：模型性能测试；

将微调后的显著性检测模型在显著性检测数据集的测试数据上做预测，之后使用全连接条件随机场CRF方法进行精细化处理得到最终的显著性检测结果，得到相比于现有的弱监督显著性检测方法更好的显著性检测性能。

2.根据权利要求1所述的一种使用检测框实现弱监督图像显著性检测的方法，其特征在于所述的检测框内显著前景像素区域是指检测框内像素的显著值大于等于新的显著图检测框内像素的平均显著值的像素；检测框内低显著的可忽略监督像素区域是指检测框内像素的显著值小于新的显著图检测框内像素的平均显著值的像素；检测框外背景像素区域是指检测框外图像区域像素。