本申请实施例提供了一种图像检测方法、装置、设备及存储介质，可应用于人工智能、云技术、智慧交通、车载等各种场景，该方法包括：在对待检测图像进行特征提取过程中，迭代注入空间定位图像对应的原始辅助特征，获得多个判别图像特征。将多个判别图像特征进行融合后联合待检测图像的初步图像特征，预测待检测图像包含的显著性区域。由于在显著性目标检测过程中，既使用了外观信息，又使用了空间定位信息，因此在复杂场景下也能获得较高的准确性。采用注射的方式将原始辅助特征与待检测图像的图像特征进行融合，没有采用编码器来提取辅助特征，这样既获得了更好的融合效果，提高显著性目标检测过程的准确性，同时降低了模型架构的模型参数量。模型参数量。模型参数量。
【技术实现步骤摘要】
一种图像检测方法、装置、设备及存储介质
[0001]本申请实施例涉及人工智能
，尤其涉及一种图像检测方法、装置、设备及存储介质。
技术介绍
[0002]随着人工智能技术的发展，越来越多的计算机视觉任务可以获得较好的准确性，显著性目标检测（Salient Object Detection，简称SOD）作为计算机视觉任务的预处理步骤，也发挥着越来越重要的作用，其中，显著性目标检测指检测图像中最吸引视觉注意的区域。
[0003]相关技术下，将待检测图像输入由编码器和解码器组成的网络架构进行处理，输出待检测图像对应的显著性图像，实现对待检测图像的显著性目标检测。
[0004]然而，在实际应用中，很多待检测图像的图像前景和图像背景之间的对比度较低。由于待检测图像中主要包含外观信息，而缺乏空间定位信息，因此，采用上述方法对待检测图像进行显著性目标检测时，会导致检测的准确性较低。
技术实现思路
[0005]本申请实施例提供了一种图像检测方法、装置、设备及存储介质，用于提高显著性目标检测的准确性。
[0006]一方面，本申请实施例提供了一种图像检测方法，该方法包括：针对目标场景，分别获取待检测图像和空间定位图像；对所述待检测图像进行特征提取，获得初步图像特征；对所述空间定位图像对应的原始辅助特征和所述初步图像特征进行多次迭代融合，获得多次迭代融合分别输出的判别图像特征；将获得的多个判别图像特征进行融合，获得目标图像特征，并基于所述初步图像特征和所述目标图像特征，预测所述待检测图像包含的显著性区域。
[0007]一方面，本申请实施例提供了一种图像检测装置，该装置包括：获取单元，用于针对目标场景，分别获取待检测图像和空间定位图像；提取单元，用于对所述待检测图像进行特征提取，获得初步图像特征；处理单元，用于对所述空间定位图像对应的原始辅助特征和所述初步图像特征进行多次迭代融合，获得多次迭代融合分别输出的判别图像特征；预测单元，用于将获得的多个判别图像特征进行融合，获得目标图像特征，并基于所述初步图像特征和所述目标图像特征，预测所述待检测图像包含的显著性区域。
[0008]可选地，所述处理单元具体用于：针对初次迭代融合过程，执行以下步骤：对所述空间定位图像进行特征提取，获得所述空间定位图像的原始辅助特征；向所述初步图像特征注入所述原始辅助特征，获得融合尺度特征；将融合尺度特征与所述原始辅助特征融合，并对融合获得的图像特征进行特
征提取，获得初次迭代输出的判别图像特征；针对每个非初次迭代融合过程，执行以下步骤：对所述空间定位图像进行特征提取，获得所述空间定位图像的原始辅助特征；向距离本次迭代时间最近的一次迭代输出的判别图像特征注入所述原始辅助特征，获得融合尺度特征；将所述融合尺度特征与所述最近的一次迭代输出的判别图像特征融合，并对融合获得的图像特征进行特征提取，获得本次迭代输出的判别图像特征。
[0009]可选地，所述处理单元具体用于：对所述空间定位图像进行转置卷积处理，并对获得的图像特征进行像素反混洗操作，获得候选图像特征；对所述候选图像特征进行转置卷积处理，获得所述原始辅助特征。
[0010]可选地，所述处理单元具体用于：对所述最近的一次迭代输出的判别图像特征进行转置处理，获得转置图像特征；将所述转置图像特征和所述原始辅助特征融合，获得中间辅助特征；将所述转置图像特征和所述中间辅助特征融合，获得所述融合尺度特征。
[0011]可选地，所述处理单元具体用于：将所述转置图像特征和所述原始辅助特征合并，并对合并获得的图像特征进行全连接处理，获得第一候选融合特征；对所述第一候选融合特征进行转置卷积处理，生成第一类卷积核；将所述原始辅助特征和所述第一类卷积核融合，并对融合获得的图像特征进行卷积处理，获得所述中间辅助特征。
[0012]可选地，所述处理单元具体用于：将所述转置图像特征和所述中间辅助特征合并，并对合并获得的图像特征进行全连接处理，获得第二候选融合特征；对所述第二候选融合特征进行转置卷积处理，生成第二类卷积核；将所述中间辅助特征和所述第二类卷积核融合，并对融合获得的图像特征进行卷积处理，获得所述融合尺度特征。
[0013]可选地，所述预测单元具体用于：针对所述多个判别图像特征中的每个判别图像特征，执行以下操作：提取一个判别图像特征的全局上下文信息，并结合所述全局上下文信息和所述一个判别图像特征，获得一个全局图像特征；将获得的多个全局图像特征调整为相同尺度后融合，获得所述目标图像特征。
[0014]可选地，所述预测单元具体用于：对所述目标图像特征进行扩展卷积处理，获得扩展图像特征；将所述扩展图像特征与所述初步图像特征融合，并对融合获得的图像特征依次进行卷积处理和上采样处理，获得所述待检测图像包含的显著性区域。
[0015]可选地，所述预测单元具体用于：针对预设的多个扩展率中的每个扩展率，执行以下操作：采用一个扩展率对所述目标图像特征进行扩展卷积处理，获得一个候选卷积特征；将获得的多个候选卷积特征融合，获得所述扩展图像特征。
[0016]可选地，所述空间定位图像为深度图像或红外图像。
[0017]一方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述图像检测方法的步骤。
[0018]一方面，本申请实施例提供了一种计算机可读存储介质，其存储有可由计算机设备执行的计算机程序，当所述程序在计算机设备上运行时，使得所述计算机设备执行上述图像检测方法的步骤。
[0019]一方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机设备执行时，使所述计算机设备执行上述图像检测方法的步骤。
[0020]本申请实施例中，结合目标场景的空间定位图像，对目标场景的待检测图像进行显著性目标检测，故在显著性目标检测过程中，既使用了外观信息，又使用了空间定位信息，因此，在图像前景和图像背景之间的对比度较低，或者待检测图像中的显著性物体的外观相似等复杂场景下，均能获得较高的准确性。其次，在对待检测图像进行特征提取过程中，注入空间定位图像对应的原始辅助特征，加强了原始辅助特征与待检测图像的图像特征之间的互动，从而调和了两种模态的特征，获得了更好的融合效果，进而提高显著性目标检测的准确性。
附图说明
[0021]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本申请实施例提供的一种单流模型的结构示意图；图2为本申请实施例提供的一种双流模型的结构示意图；图3为本申请实施例提供的一种图像检测框架的结构示意图；图4为本申请实施例提供的一种本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：针对目标场景，分别获取待检测图像和空间定位图像；对所述待检测图像进行特征提取，获得初步图像特征；对所述空间定位图像对应的原始辅助特征和所述初步图像特征进行多次迭代融合，获得多次迭代融合分别输出的判别图像特征；将获得的多个判别图像特征进行融合，获得目标图像特征，并基于所述初步图像特征和所述目标图像特征，预测所述待检测图像包含的显著性区域。2.如权利要求1所述的方法，其特征在于，所述对所述空间定位图像对应的原始辅助特征和所述初步图像特征进行多次迭代融合，获得多次迭代融合分别输出的判别图像特征，包括：针对初次迭代融合过程，执行以下步骤：对所述空间定位图像进行特征提取，获得所述空间定位图像的原始辅助特征；向所述初步图像特征注入所述原始辅助特征，获得融合尺度特征；将融合尺度特征与所述原始辅助特征融合，并对融合获得的图像特征进行特征提取，获得初次迭代输出的判别图像特征；针对每个非初次迭代融合过程，执行以下步骤：对所述空间定位图像进行特征提取，获得所述空间定位图像的原始辅助特征；向距离本次迭代时间最近的一次迭代输出的判别图像特征注入所述原始辅助特征，获得融合尺度特征；将所述融合尺度特征与所述最近的一次迭代输出的判别图像特征融合，并对融合获得的图像特征进行特征提取，获得本次迭代输出的判别图像特征。3.如权利要求2所述的方法，其特征在于，所述对所述空间定位图像进行特征提取，获得原始辅助特征，包括：对所述空间定位图像进行转置卷积处理，并对获得的图像特征进行像素反混洗操作，获得候选图像特征；对所述候选图像特征进行转置卷积处理，获得所述原始辅助特征。4.如权利要求2所述的方法，其特征在于，所述向距离本次迭代时间最近的一次迭代输出的判别图像特征注入所述原始辅助特征，获得融合尺度特征，包括：对所述最近的一次迭代输出的判别图像特征进行转置处理，获得转置图像特征；将所述转置图像特征和所述原始辅助特征融合，获得中间辅助特征；将所述转置图像特征和所述中间辅助特征融合，获得所述融合尺度特征。5.如权利要求4所述的方法，其特征在于，所述将所述转置图像特征和所述原始辅助特征融合，获得中间辅助特征，包括：将所述转置图像特征和所述原始辅助特征合并，并对合并获得的图像特征进行全连接处理，获得第一候选融合特征；对所述第一候选融合特征进行转置卷积处理，生成第一类卷积核；将所述原始辅助特征和所述第一类卷积核融合，并对融合获得的图像特征进行卷积处理，获得所述中间辅助特征。6.如权利要求4所述的方法，其特征在于，所述将所述转置图像特征和所述中间辅助特征融合，获得所述融合尺度特征，包括：将所述转置图像特征和所述中间辅助特征合并，并对合并获得的...
【专利技术属性】
技术研发人员：姚舜禹，杨继超，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。