[發(fā)明專利]圖像識別方法、識別模型的訓練方法及相關裝置、設備

在審

• 申請?zhí)枺?/td>: 202010121559.5
• 申請日: 2020-02-26
• 公開（公告）號: CN111461165A
• 公開（公告）日: 2020-07-28
• 發(fā)明（設計）人: 楊爽;李嘉輝;黃曉迪
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳市威世博知識產(chǎn)權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種圖像識別方法，其特征在于，包括：

獲取待識別病理圖像；

采用識別模型中的檢測子模型對所述待識別病理圖像進行目標檢測，得到所述待識別病理圖像中包含目標細胞的檢測區(qū)域；

利用所述識別模型中的分類子模型對所述檢測區(qū)域進行第一分類處理，得到所述目標細胞的類別。

2.根據(jù)權利要求1所述的圖像識別方法，其特征在于，所述采用識別模型中的檢測子模型對所述待識別病理圖像進行目標檢測，得到所述待識別病理圖像中包含目標細胞的檢測區(qū)域包括：

利用所述檢測子模型的第一部分對所述待識別病理圖像進行第二分類處理，得到所述待識別病理圖像的圖像分類結(jié)果，其中，所述圖像分類結(jié)果用于表示所述待識別病理圖像中是否包含所述目標細胞；

若所述圖像分類結(jié)果表示所述待識別病理圖像中包含所述目標細胞，則利用所述檢測子模型的第二部分對所述待識別病理圖像進行區(qū)域檢測，得到包含所述目標細胞的檢測區(qū)域。

3.根據(jù)權利要求2所述的圖像識別方法，其特征在于，在所述利用所述檢測子模型的第一部分對所述待識別病理圖像進行第二分類處理，得到所述待識別病理圖像的圖像分類結(jié)果之后，所述方法還包括：

若所述圖像分類結(jié)果表示所述待識別病理圖像中不包含所述目標細胞，則所述第一部分輸出所述待識別圖像中不包含所述目標細胞的檢測結(jié)果提示。

4.根據(jù)權利要求2或3所述的圖像識別方法，其特征在于，所述采用識別模型中的檢測子模型對所述待識別病理圖像進行目標檢測，得到所述待識別病理圖像中包含目標細胞的檢測區(qū)域，還包括：

利用所述檢測子模型的第三部分對所述待識別病理圖像進行特征提取，得到所述待識別病理圖像的圖像特征。

5.根據(jù)權利要求4所述的圖像識別方法，其特征在于，所述利用所述檢測子模型的第一部分對所述待識別病理圖像進行第二分類處理，得到所述待識別病理圖像的圖像分類結(jié)果，包括：

利用所述檢測子模型的第一部分對所述圖像特征進行第二分類處理，得到所述待識別病理圖像的圖像分類結(jié)果。

6.根據(jù)權利要求4所述的圖像識別方法，其特征在于，所述利用所述檢測子模型的第二部分對所述待識別病理圖像進行區(qū)域檢測，得到包含所述目標細胞的檢測區(qū)域，包括：

利用所述檢測子模型的第二部分對所述圖像特征進行區(qū)域檢測，得到包含所述目標細胞的檢測區(qū)域。

7.根據(jù)權利要求4至6任一項所述的圖像識別方法，其特征在于，所述第一部分為全局分類網(wǎng)絡，所述第二部分為圖像檢測網(wǎng)絡，所述第三部分為特征提取網(wǎng)絡；其中，所述特征提取網(wǎng)絡包括可變形卷積層、全局信息增強模塊中的至少一者。

8.根據(jù)權利要求1或2所述的圖像識別方法，其特征在于，所述利用所述識別模型中的分類子模型對所述檢測區(qū)域進行第一分類處理，得到所述目標細胞的類別，包括：

利用所述分類子模型對所述待識別病理圖像的所述檢測區(qū)域進行特征提取，得到所述檢測區(qū)域的圖像特征；

對所述檢測區(qū)域的圖像特征進行第一分類處理，得到所述目標細胞的類別。

9.根據(jù)權利要求1至8任一項所述的圖像識別方法，其特征在于，所述目標細胞包括單個病變細胞、病變細胞團簇中的任一者，所述目標細胞的類別用于表示所述目標細胞的病變程度。