[发明专利]显著性检测方法及其模型的训练方法和装置、设备、介质

权利要求书

1.一种显著性检测模型的训练方法，其特征在于，包括：

获取至少一张样本图像，其中，所述至少一张样本图像包括属于预设图像类型的目标样本图像；

基于所述目标样本图像中显著性区域的轮廓缺失情况，对所述目标样本图像进行过滤；

利用显著性检测模型对经过滤后的所述样本图像进行检测，得到所述样本图像中关于显著性区域的预测位置信息；

基于所述样本图像关于所述显著性区域的标注位置信息与所述预测位置信息，调整所述显著性检测模型的参数；

其中，所述基于所述目标样本图像中显著性区域的轮廓缺失情况，对所述目标样本图像进行过滤，包括：

对所述目标样本图像中所述显著性区域的轮廓进行填补，得到填补样本图像；

获取所述填补样本图像与所述目标样本图像中关于所述显著性区域的差异；

在所述差异满足预设要求的情况下，过滤所述目标样本图像。

2.根据权利要求1所述的方法，其特征在于，所述预设要求为所述差异大于预设差异值；

所述对所述目标样本图像中所述显著性区域的轮廓进行填补，得到填补样本图像，包括：

对所述目标样本图像进行闭运算，得到填补样本图像；

所述获取所述填补样本图像与所述目标样本图像中关于所述显著性区域的差异，包括：

获取所述填补样本图像关于所述显著性区域的第一面积，以及所述目标样本图像中关于所述显著性区域的第二面积；

将所述第一面积和第二面积之差作为所述差异。

3.根据权利要求1或2所述的方法，其特征在于，在所述基于所述目标样本图像中显著性区域的轮廓缺失情况，对所述目标样本图像进行过滤之后，所述方法还包括：

基于所述填补样本图像的显著性区域的位置信息，得到所述目标样本图像关于所述显著性区域的标注位置信息。

4.根据权利要求1或2所述的方法，其特征在于，所述至少一张样本图像包括多种图像类型。

5.根据权利要求4所述的方法，其特征在于，所述多种图像类型包括对真实物体拍摄得到的图像、手绘图、卡通图中的至少两种。

6.根据权利要求1所述的方法，其特征在于，所述基于所述样本图像关于所述显著性区域的标注位置信息与所述预测位置信息，调整所述显著性检测模型的参数，包括：

基于所述标注位置信息和预测位置信息，获取所述样本图像中各像素的第一损失；

将所述样本图像中各像素的第一损失进行加权，得到所述样本图像的第二损失；

基于所述第二损失，调整所述显著性检测模型的参数。

7.根据权利要求6所述的方法，其特征在于，所述像素的第一损失的权重与所述像素的边界距离相关，所述像素的边界距离为所述像素与真实显著性区域的边界之间的距离，所述真实显著性区域为所述样本图像中由所述标注位置信息定义的显著性区域。

8.根据权利要求7所述的方法，其特征在于，所述像素的边界距离越小，所述像素的第一损失的权重越大。

9.根据权利要求1或2所述的方法，其特征在于，所述显著性检测模型为MobileNetV3的网络结构；

和/或，所述显著性检测模型包括特征提取子网络和第一检测子网络和第二检测子网络；所述利用显著性检测模型对经过滤后的所述样本图像进行检测，得到所述样本图像中关于显著性区域的预测位置信息，包括：

利用所述特征提取子网络对所述样本图像进行特征提取，得到所述样本图像对应的特征图；

利用所述第一检测子网络对所述特征图进行初始检测，得到所述样本图像中关于所述显著性区域的初始位置信息；

将所述特征图和所述初始位置信息进行融合，得到融合结果；

利用所述第二检测子网络对所述融合结果进行最终检测，得到所述样本图像的所述预测位置信息。