[發明專利]基于深度主動學習的眼底圖像左右眼識別方法

在審

• 申請號: 201911060368.6
• 申請日: 2019-11-01
• 公開（公告）號: CN110826470A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 侯君臨;杜姍姍;馮瑞
• 申請（專利權）人: 復旦大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 郁旦蓉

1.一種基于深度主動學習的眼底圖像左右眼識別方法，用于對主視野眼底圖像以及非主視野眼底圖像進行精確的左右眼識別，其特征在于，包括如下步驟：

步驟S1，對待測圖像進行預處理獲得預處理圖像；

步驟S2，將所述預處理圖像輸入至少用于對主視野眼底圖像以及非主視野眼底圖像進行左右眼識別的眼底圖像左右眼識別模型從而得到所述待測圖像的左右眼分類結果，

其中，所述眼底圖像左右眼識別模型通過如下方法訓練獲得：

步驟T1，構建初始眼底圖像識別模型；

步驟T2，將多張已標注的主視野眼底圖像作為訓練集輸入構建好的所述初始眼底圖像識別模型進行模型訓練并得到主視野眼底圖像識別模型；

步驟T3，采用主動學習方法并利用所述主視野眼底圖像識別模型從多張未標注的眼底圖像中選出非主視野眼底圖像作為難樣本；

步驟T4，將所述難樣本進行人工標注后作為增加的訓練集對所述主視野眼底圖像識別模型進行模型訓練并得到所述眼底圖像左右眼識別模型。

2.根據權利要求1所述的基于深度主動學習的眼底圖像左右眼識別方法，其特征在于：

其中，步驟T2的訓練部分包括如下步驟：

步驟T2-1，將訓練集中的各個訓練圖像依次輸入構建好的眼底圖像左右眼識別模型并進行一次迭代；

步驟T2-2，采用最后一層的模型參數分別計算出損失誤差并將所述損失誤差反向傳播從而更新模型參數；

步驟T2-3，重復所述步驟T2-1至所述步驟T2-2直至達到訓練完成條件，得到訓練后的初始眼底圖像左右眼識別模型。

3.根據權利要求1所述的基于深度主動學習的眼底圖像左右眼識別方法，其特征在于：

其中，所述步驟T4包括如下子步驟：

步驟T4-1，給定所述步驟S2訓練完成的主視野眼底圖像左右眼識別模型；

步驟T4-2，依次獲取一批所述增加的訓練集中的訓練圖像并輸入所述主視野眼底圖像左右眼識別模型進行一次迭代；

步驟T4-3，采用最后一層的模型參數分別計算出損失誤差并將所述損失誤差反向傳播從而更新模型參數；

步驟T4-4，重復所述步驟T4-2至所述步驟T4-3直至達到訓練完成條件，得到訓練后的眼底圖像左右眼識別模型；

步驟T4-5，利用驗證集對所述訓練后的眼底圖像左右眼識別模型進行模型效果的檢驗，若分類準確度達到標準則得到最終的所述眼底圖像左右眼識別模型，若分類準確度未達到標準則重復所述步驟T3至所述步驟T4直至所述分類準確度達到標準。

4.根據權利要求3所述的基于深度主動學習的眼底圖像左右眼識別方法，其特征在于：

其中，所述分類準確率的標準為正確分類的眼底圖像數量與總數之比在95％以上。

5.根據權利要求1所述的基于深度主動學習的眼底圖像左右眼識別方法，其特征在于：

其中，所述眼底圖像左右眼識別模型的輸出為分別表示該圖像被識別為左眼和右眼的概率得分，若左眼得分大于右眼得分則所述左右眼分類結果為左眼，若右眼得分大于左眼得分則所述左右眼分類結果為右眼。

6.根據權利要求1所述的基于深度主動學習的眼底圖像左右眼識別方法，其特征在于：

其中，所述眼底圖像左右眼識別模型包括依次設置的輸入層、卷積層、最大池化層、3個殘差模塊C1、4個殘差模塊C2、6個殘差模塊C3、3個殘差模塊C4、平均池化層、全連接層以及Softmax歸一化層。