[發(fā)明專利]圖片特征提取方法、裝置、服務(wù)器和介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910377163.4
• 申請日: 2019-05-07
• 公開（公告）號: CN111914850B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設(shè)計）人: 楊羿;李小康;李一;陳曉冬;郭佳騁;劉林;朱延峰
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/774;G06V10/82
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種圖片特征提取方法，其特征在于，所述方法包括：

檢測目標圖片中的顯著性區(qū)域；其中，檢測目標圖片中的顯著性區(qū)域，包括：利用預(yù)先訓(xùn)練得到的顯著探測模型，通過對目標圖片的像素點進行分類，檢測目標圖片中的顯著性區(qū)域；

利用預(yù)先訓(xùn)練得到的特征提取模型，結(jié)合所述目標圖片中的顯著性區(qū)域，從目標圖片中提取特征參數(shù)，其中，所述特征參數(shù)與所述目標圖片中的顯著性區(qū)域的特征具有一致性；所述顯著探測模型和特征提取模型是利用端到端的機器學(xué)習(xí)方法訓(xùn)練得到；其中，所述顯著探測模型用于檢測圖片中的顯著性區(qū)域，得到圖片中的每個像素塊屬于顯著性區(qū)域的概率；所述特征提取模型用于依據(jù)所述概率提取圖片的特征參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征參數(shù)包括顏色特征參數(shù)、亮度特征參數(shù)或紋理特征參數(shù)；

相應(yīng)的，所述顏色特征參數(shù)、亮度特征參數(shù)或紋理特征參數(shù)，分別與所述目標圖片中的顯著性區(qū)域的顏色特征、亮度特征或紋理特征具有一致性。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，結(jié)合所述目標圖片中的顯著性區(qū)域，從目標圖片中提取特征參數(shù)，包括：

依據(jù)所述目標圖片中顯著性區(qū)域的像素特征與目標圖片全局像素特征的關(guān)系，從目標圖片中提取特征參數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征提取模型為多層感知器；

相應(yīng)的，所述顯著探測模型和多層感知器的訓(xùn)練過程包括：

獲取用于訓(xùn)練的圖片樣本集合，以及每個圖片樣本的標注數(shù)據(jù)，其中，所述標注數(shù)據(jù)包括每個圖片樣本的顯著性區(qū)域，以及每個圖片樣本的特征參數(shù)；

將圖片樣本集合中的每個圖片樣本作為輸入，將每個圖片樣本的顯著性區(qū)域作為輸出，對顯著探測網(wǎng)絡(luò)進行訓(xùn)練，得到初步的顯著探測模型；

將圖片樣本集合中的每個圖片樣本作為輸入，將所述每個圖片樣本的特征參數(shù)作為輸出，利用端到端的機器學(xué)習(xí)方法，聯(lián)合所述初步的顯著探測模型和多層感知器進行訓(xùn)練，得到最終的顯著探測模型和多層感知器。

5.一種圖片特征提取裝置，其特征在于，所述裝置包括：

顯著性區(qū)域檢測模塊，用于檢測目標圖片中的顯著性區(qū)域；其中，所述顯著性區(qū)域檢測模塊具體用于：利用預(yù)先訓(xùn)練得到的顯著探測模型，通過對目標圖片的像素點進行分類，檢測目標圖片中的顯著性區(qū)域；

特征參數(shù)提取模塊，用于利用預(yù)先訓(xùn)練得到的特征提取模型，結(jié)合所述目標圖片中的顯著性區(qū)域，從目標圖片中提取特征參數(shù)，其中，所述特征參數(shù)與所述目標圖片中的顯著性區(qū)域的特征具有一致性；所述顯著探測模型和特征提取模型是利用端到端的機器學(xué)習(xí)方法訓(xùn)練得到；其中，所述顯著探測模型用于檢測圖片中的顯著性區(qū)域，得到圖片中的每個像素塊屬于顯著性區(qū)域的概率；所述特征提取模型用于依據(jù)所述概率提取圖片的特征參數(shù)。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述特征參數(shù)包括顏色特征參數(shù)、亮度特征參數(shù)或紋理特征參數(shù)；

相應(yīng)的，所述顏色特征參數(shù)、亮度特征參數(shù)或紋理特征參數(shù)，分別與所述目標圖片中的顯著性區(qū)域的顏色特征、亮度特征或紋理特征具有一致性。

7.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述特征參數(shù)提取模塊具體用于：

依據(jù)所述目標圖片中顯著性區(qū)域的像素特征與目標圖片全局像素特征的關(guān)系，從目標圖片中提取特征參數(shù)。

8.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述特征提取模型為多層感知器；

相應(yīng)的，所述裝置還包括訓(xùn)練模塊，具體用于：

獲取用于訓(xùn)練的圖片樣本集合，以及每個圖片樣本的標注數(shù)據(jù)，其中，所述標注數(shù)據(jù)包括每個圖片樣本的顯著性區(qū)域，以及每個圖片樣本的特征參數(shù)；

將圖片樣本集合中的每個圖片樣本作為輸入，將每個圖片樣本的顯著性區(qū)域作為輸出，對顯著探測網(wǎng)絡(luò)進行訓(xùn)練，得到初步的顯著探測模型；

將圖片樣本集合中的每個圖片樣本作為輸入，將所述每個圖片樣本的特征參數(shù)作為輸出，利用端到端的機器學(xué)習(xí)方法，聯(lián)合所述初步的顯著探測模型和多層感知器進行訓(xùn)練，得到最終的顯著探測模型和多層感知器。