图像裁剪方法、装置及电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114119373A(43)申请公布日2022.03.01(21)申请号202111435959.4(22)申请日2021.11.29(71)申请人广东维沃软件技术有限公司地址523843广东省东莞市长安镇乌沙步步高大道255号F栋一楼(72)发明人刘鑫(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人杨爱平(51)Int.Cl.G06T3/40(2006.01)G06T7/11(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书20页附图5页(54)发明名称图像裁剪方法、装置及电子设备(57)摘要本申请公开了一种图像裁剪方法、装置及电子设备，其中，图像裁剪方法包括：确定目标图像对应的多个裁剪候选区域；获取目标图像对应的图像特征，所述图像特征包括第一图像特征和第二图像特征，所述第一图像特征与所述多个裁剪候选区域对应的第一图像区域关联，所述第二图像特征与目标图像中除所述第一图像区域外的第二图像区域关联；将目标图像对应的图像特征输入图像评价网络模型，获取所述多个裁剪候选区域分别对应的特征分数，所述特征分数用于表征所述裁剪候选区域的美学特征和显著性特征中的至少一项；根据所述多个裁剪候选区域分别对应的特征分数，确定至少一个目标裁剪候选区域，并根据所述目标裁剪候选区域对目标图像进行裁剪。CN114119373ACN114119373A权利要求书1/3页1.一种图像裁剪方法，其特征在于，包括：确定目标图像对应的多个裁剪候选区域；获取所述目标图像对应的图像特征，所述图像特征包括第一图像特征和第二图像特征，所述第一图像特征与所述多个裁剪候选区域对应的第一图像区域关联，所述第二图像特征与所述目标图像中除所述第一图像区域外的第二图像区域关联；将所述目标图像对应的图像特征输入图像评价网络模型，获取所述多个裁剪候选区域分别对应的特征分数，所述特征分数用于表征所述裁剪候选区域的美学特征和显著性特征中的至少一项；根据所述多个裁剪候选区域分别对应的特征分数，确定至少一个目标裁剪候选区域，并根据所述目标裁剪候选区域对所述目标图像进行裁剪。2.根据权利要求1所述的方法，其特征在于，所述确定目标图像对应的多个裁剪候选区域，包括：将目标图像划分为网格锚形式；基于预设构图原则，在网格锚形式的所述目标图像中确定至少一个目标网格；针对所述至少一个目标网格，按照至少一个扩展比例分别进行扩展，确定所述多个裁剪候选区域。3.根据权利要求1所述的方法，其特征在于，还包括：根据多个训练图像对应的图像显著性信息和图像美学信息中的至少一种，进行模型训练以获取所述图像评价网络模型。4.根据权利要求3所述的方法，其特征在于，所述根据多个训练图像对应的图像显著性信息和图像美学信息中的至少一种，进行模型训练以获取所述图像评价网络模型，包括：获取每个所述训练图像对应的多个裁剪候选区域的所述图像美学信息，所述图像美学信息包括所述裁剪候选区域的标注分值以及预测分值；根据多个所述训练图像分别对应的多个裁剪候选区域的图像美学信息、多个所述训练图像分别对应的所述图像显著性信息中的至少一项，进行模型训练，获取所述图像评价网络模型。5.根据权利要求4所述的方法，其特征在于，所述获取每个所述训练图像对应的多个裁剪候选区域的所述图像美学信息，包括：针对每个所述训练图像，获取标注人员对所述训练图像对应的多个裁剪候选区域进行至少两次筛选所得到的筛选结果，并根据所述筛选结果确定所述多个裁剪候选区域分别对应的标注分值；针对每个所述训练图像，获取所述训练图像的特征图，在所述特征图上提取所述裁剪候选区域的RoI特征和RoD特征并组合为目标特征，根据所述目标特征获取所述多个裁剪候选区域分别对应的预测分值。6.根据权利要求5所述的方法，其特征在于，所述根据多个所述训练图像分别对应的多个裁剪候选区域的图像美学信息、多个所述训练图像分别对应的所述图像显著性信息中的至少一项，进行模型训练，获取所述图像评价网络模型，包括以下方案其中之一：根据多个所述训练图像分别对应的多个裁剪候选区域的标注分值和预测分值，进行美学评价任务训练，确定美学评价任务模型，所述美学评价任务模型为所述图像评价网络模2CN114119373A权利要求书2/3页型；根据多个所述训练图像分别对应的显著性灰度图和显著性图预测结果，进行显著性任务训练，确定显著性任务模型，所述显著性任务模型为所述图像评价网络模型，所述图像显著性信息包括显著性灰度图和显著性图预测结果；根据多个所述训练图像分别对应的多个裁剪候选区域的标注分值和预测分值以及多个所述训练图像分别对应的图像显著性信息，进行模型训练，获取所述图像评价网络模型。7.根据根据