[發明專利]對象分類方法和對象分類設備

有效

• 申請號: 201610213567.6
• 申請日: 2016-04-07
• 公開（公告）號: CN107273899B
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 賈曉飛;劉汝杰
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 朱勝;吳瓊

本發明公開了一種對象分類方法和對象分類設備。該方法包括：獲得包含對象的輸入圖像中的每一個塊的特征向量；基于預定義的字典，構建與每一個塊的特征向量對應的稀疏向量，所述稀疏向量的非零元素的分布表明對應塊是否屬于對象所在的區域；合并屬于對象所在區域的塊對應的稀疏向量，以得到表明對象所在區域的合并向量；以及根據所述合并向量，確定對象的種類。

技術領域

本發明一般地涉及信息處理領域。具體而言，本發明涉及一種能夠對圖像中包含的對象進行檢測、定位、分類的方法和設備。

背景技術

近年來，基于圖像的目標檢測和分析技術在各種領域中得到了迅猛的發展。例如，在醫療影像處理領域，可以基于輸入的圖像，分析組織和器官的病變情況，例如，檢測和分類肺部腫瘤等。

目前較為流行的處理方式是基于卷積神經網絡(CNN)的。CNN能夠自動選擇合適的特征進行提取，基于所提取的特征判斷圖像區域內是否存在目標物體以及目標物體的具體位置。

但是，CNN存在一些使用上的限制。例如，CNN需要針對給定的可能包含對象的矩形區域進行處理。以下為了方便理解，以腫瘤為對象進行描述，本領域技術人員通過閱讀以下的說明文字應能理解，本發明所涉及的對象不限于腫瘤。腫瘤的大小和形狀都是不確定的，如果設定較大矩形區域，則雖然可能完全包括腫瘤在內，但是也引入了相當多的非腫瘤區域，這會帶來對腫瘤的分類的干擾信息，即噪聲。另外，數據量的增大會帶來效率的降低。如果設定較小矩形區域，則雖然噪聲減少，但腫瘤可能不會完整地包含在矩形區域中，導致重要信息的丟失，對腫瘤分類結果造成影響，例如錯檢和漏檢。即便在理想情況下，矩形區域恰好包含完整的腫瘤，但腫瘤區域不是矩形的，所以仍然會引入非腫瘤信息，造成干擾。

此外，CNN還需要全連接層的輸入特征具有固定的長度。對象如腫瘤的大小不一、形狀各異，當通過CNN自動獲取特征時，可能會得到非固定長度的特征向量。

本發明著眼于基于CNN進行對象的檢測和分類，但是能夠克服以上CNN的不利限制，提高對象分類的準確度。

發明內容

在下文中給出了關于本發明的簡要概述，以便提供關于本發明的某些方面的基本理解。應當理解，這個概述并不是關于本發明的窮舉性概述。它并不是意圖確定本發明的關鍵或重要部分，也不是意圖限定本發明的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。

本發明的目的是提出了一種基于CNN的準確檢測和分類對象的方法和設備。

為了實現上述目的，根據本發明的一個方面，提供了一種對象分類方法，該對象分類方法包括：獲得包含對象的輸入圖像中的每一個塊的特征向量；基于預定義的字典，構建與每一個塊的特征向量對應的稀疏向量，所述稀疏向量的非零元素的分布表明對應塊是否屬于對象所在的區域；合并屬于對象所在區域的塊對應的稀疏向量，以得到表明對象所在區域的合并向量；以及根據所述合并向量，確定對象的種類。

根據本發明的另一個方面，提供了一種對象分類設備，該對象分類設備包括：特征向量獲得裝置，被配置為：獲得包含對象的輸入圖像中的每一個塊的特征向量；稀疏向量構建裝置，被配置為：基于預定義的字典，構建與每一個塊的特征向量對應的稀疏向量，所述稀疏向量的非零元素的分布表明對應塊是否屬于對象所在的區域；稀疏向量合并裝置，被配置為：合并屬于對象所在區域的塊對應的稀疏向量，以得到表明對象所在區域的合并向量；以及對象種類確定裝置，被配置為：根據所述合并向量，確定對象的種類。

另外，根據本發明的另一方面，還提供了一種存儲介質。所述存儲介質包括機器可讀的程序代碼，當在信息處理設備上執行所述程序代碼時，所述程序代碼使得所述信息處理設備執行根據本發明的上述方法。

此外，根據本發明的再一方面，還提供了一種程序產品。所述程序產品包括機器可執行的指令，當在信息處理設備上執行所述指令時，所述指令使得所述信息處理設備執行根據本發明的上述方法。