本申請涉及人工智能,尤其涉及一種顯著物體檢測方法、裝置、計算機設(shè)備及存儲介質(zhì)。
背景技術(shù):
1、在金融保險領(lǐng)域,自動化風(fēng)險評估和損失評估等任務(wù)依賴于對圖像數(shù)據(jù)的精確分析,這些圖像可能包括保險索賠中的損壞車輛或財產(chǎn)照片。顯著性物體檢測旨在檢測圖像中最顯著物體的掩碼,是計算機視覺中備受關(guān)注的研究領(lǐng)域。
2、現(xiàn)有的顯著物體檢測技術(shù)直接在高分辨率圖像上進行顯著物體檢測時,雖然能獲得較精準的邊緣,但也容易誤判出更多的假正例。這種誤判在金融保險領(lǐng)域尤為不利,可能導(dǎo)致錯誤的風(fēng)險評估和不準確的理賠決定。此外,許多現(xiàn)有的顯著物體檢測網(wǎng)絡(luò)更適用于分辨率較低的圖像。如果將高分辨率圖像下采樣為低分辨率進行檢測,會減低檢測的精確度。這種方式在金融保險領(lǐng)域同樣不可取,因為細節(jié)丟失可能導(dǎo)致對關(guān)鍵損傷或重要物體的漏檢或誤判,從而影響風(fēng)險評估和決策的準確性。
技術(shù)實現(xiàn)思路
1、本申請實施例的目的在于提出一種顯著物體檢測方法、裝置、計算機設(shè)備及存儲介質(zhì),以解決顯著物體檢測的準確性。
2、為了解決上述技術(shù)問題,本申請實施例提供一種顯著物體檢測方法,采用了如下所述的技術(shù)方案:
3、獲取待檢測的高分辨率圖像及其對應(yīng)的低分辨率圖像;
4、將所述高分辨率圖像輸入顯著物體檢測模型中的第一金字塔網(wǎng)絡(luò),以對所述高分辨率圖像進行多尺度分析得到高分辨率圖像特征,并將所述低分辨率圖像輸入所述顯著物體檢測模型中的第二金字塔網(wǎng)絡(luò),以對所述低分辨率圖像進行多尺度分析得到低分辨率圖像特征;所述第一金字塔網(wǎng)絡(luò)和所述第二金字塔網(wǎng)絡(luò)共享參數(shù);
5、對所述高分辨率圖像特征和所述低分辨率圖像特征進行特征融合得到顯著性圖;
6、根據(jù)所述顯著性圖進行顯著物體檢測,得到顯著物體檢測結(jié)果。
7、為了解決上述技術(shù)問題,本申請實施例還提供一種顯著物體檢測裝置,采用了如下所述的技術(shù)方案:
8、圖像獲取模塊,用于獲取待檢測的高分辨率圖像及其對應(yīng)的低分辨率圖像;
9、特征提取模塊,用于將所述高分辨率圖像輸入顯著物體檢測模型中的第一金字塔網(wǎng)絡(luò),以對所述高分辨率圖像進行多尺度分析得到高分辨率圖像特征,并將所述低分辨率圖像輸入所述顯著物體檢測模型中的第二金字塔網(wǎng)絡(luò),以對所述低分辨率圖像進行多尺度分析得到低分辨率圖像特征;所述第一金字塔網(wǎng)絡(luò)和所述第二金字塔網(wǎng)絡(luò)共享參數(shù);
10、特征融合模塊,用于對所述高分辨率圖像特征和所述低分辨率圖像特征進行特征融合得到顯著性圖;
11、物體檢測模塊,用于根據(jù)所述顯著性圖進行顯著物體檢測,得到顯著物體檢測結(jié)果。
12、為了解決上述技術(shù)問題,本申請實施例還提供一種計算機設(shè)備,采用了如下所述的技術(shù)方案:
13、獲取待檢測的高分辨率圖像及其對應(yīng)的低分辨率圖像;
14、將所述高分辨率圖像輸入顯著物體檢測模型中的第一金字塔網(wǎng)絡(luò),以對所述高分辨率圖像進行多尺度分析得到高分辨率圖像特征,并將所述低分辨率圖像輸入所述顯著物體檢測模型中的第二金字塔網(wǎng)絡(luò),以對所述低分辨率圖像進行多尺度分析得到低分辨率圖像特征;所述第一金字塔網(wǎng)絡(luò)和所述第二金字塔網(wǎng)絡(luò)共享參數(shù);
15、對所述高分辨率圖像特征和所述低分辨率圖像特征進行特征融合得到顯著性圖;
16、根據(jù)所述顯著性圖進行顯著物體檢測,得到顯著物體檢測結(jié)果。
17、為了解決上述技術(shù)問題,本申請實施例還提供一種計算機可讀存儲介質(zhì),采用了如下所述的技術(shù)方案:
18、獲取待檢測的高分辨率圖像及其對應(yīng)的低分辨率圖像;
19、將所述高分辨率圖像輸入顯著物體檢測模型中的第一金字塔網(wǎng)絡(luò),以對所述高分辨率圖像進行多尺度分析得到高分辨率圖像特征,并將所述低分辨率圖像輸入所述顯著物體檢測模型中的第二金字塔網(wǎng)絡(luò),以對所述低分辨率圖像進行多尺度分析得到低分辨率圖像特征;所述第一金字塔網(wǎng)絡(luò)和所述第二金字塔網(wǎng)絡(luò)共享參數(shù);
20、對所述高分辨率圖像特征和所述低分辨率圖像特征進行特征融合得到顯著性圖;
21、根據(jù)所述顯著性圖進行顯著物體檢測,得到顯著物體檢測結(jié)果。
22、與現(xiàn)有技術(shù)相比,本申請實施例主要有以下有益效果:獲取待檢測的高分辨率圖像及其對應(yīng)的低分辨率圖像,高低分辨率圖像確保了輸入數(shù)據(jù)的多樣性,使得模型能夠利用更多的圖像信息;將高分辨率圖像輸入顯著物體檢測模型中的第一金字塔網(wǎng)絡(luò),以對高分辨率圖像進行多尺度分析得到高分辨率圖像特征,將低分辨率圖像輸入顯著物體檢測模型中的第二金字塔網(wǎng)絡(luò),以對低分辨率圖像進行多尺度分析得到低分辨率圖像特征,多尺度分析能夠捕捉到不同尺度的顯著性特征;第一金字塔網(wǎng)絡(luò)和第二金字塔網(wǎng)絡(luò)共享參數(shù),使得高低分辨率圖像的特征提取過程保持一致性,增強了后續(xù)特征融合的效果;對高分辨率圖像特征和低分辨率圖像特征進行特征融合得到顯著性圖,可以將捕捉到的局部細節(jié)和全局顯著性線索整合起來,從而生成高質(zhì)量的顯著性圖;基于顯著性圖進行顯著物體檢測,能夠精確地識別和定位顯著物體,顯著提高了檢測的準確性。
1.一種顯著物體檢測方法,其特征在于,包括下述步驟:
2.根據(jù)權(quán)利要求1所述的顯著物體檢測方法,其特征在于,所述對所述高分辨率圖像進行多尺度分析得到高分辨率圖像特征的步驟包括:
3.根據(jù)權(quán)利要求1所述的顯著物體檢測方法,其特征在于,所述對所述高分辨率圖像特征和所述低分辨率圖像特征進行特征融合得到顯著性圖的步驟包括:
4.根據(jù)權(quán)利要求3所述的顯著物體檢測方法,其特征在于,所述計算所述高分辨率圖像特征和所述低分辨率圖像特征之間的差異,得到特征差異值的步驟包括:
5.根據(jù)權(quán)利要求3所述的顯著物體檢測方法,其特征在于,所述根據(jù)所述特征差異值對所述高分辨率圖像特征和所述低分辨率圖像特征進行一致性調(diào)整,分別得到高分辨率調(diào)整特征和低分辨率調(diào)整特征的步驟包括:
6.根據(jù)權(quán)利要求3所述的顯著物體檢測方法,其特征在于,所述對所述高分辨率調(diào)整特征和所述低分辨率調(diào)整特征進行特征融合,得到顯著性圖的步驟包括:
7.根據(jù)權(quán)利要求1所述的顯著物體檢測方法,其特征在于,在所述對所述高分辨率圖像特征和所述低分辨率圖像特征進行特征融合得到顯著性圖的步驟之后,還包括:
8.一種顯著物體檢測裝置,其特征在于,包括:
9.一種計算機設(shè)備,其特征在于,包括存儲器和處理器,所述存儲器中存儲有計算機可讀指令,所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)如權(quán)利要求1至7中任一項所述的顯著物體檢測方法的步驟。
10.一種計算機可讀存儲介質(zhì),其特征在于,所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令,所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的顯著物體檢測方法的步驟。