[發明專利]圖像目標分類方法及相關裝置、設備、存儲介質

在審

• 申請號: 202011212261.1
• 申請日: 2020-11-03
• 公開（公告）號: CN112329844A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 朱雅靖;陳翼男;羅祥德;任家敏
• 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權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種圖像目標分類方法，其特征在于，包括：

獲取包含目標對象的至少一張待分類圖像，其中，所述至少一張待分類圖像為屬于至少一種掃描圖像類別的醫學圖像；

利用分類模型對所述至少一張待分類圖像進行目標分類，得到所述目標對象的類型。

2.根據權利要求1所述的方法，其特征在于，所述對所述至少一張待分類圖像進行目標分類，得到所述目標對象的類型，包括：

對所述至少一張待分類圖像進行若干層特征提取，對應得到若干組初始特征信息；其中，每組所述初始特征信息的尺寸不同；

基于所述若干組初始特征信息中的至少一組初始特征信息，得到最終特征信息；

對所述最終特征信息進行分類，得到所述目標對象的類型。

3.根據權利要求2所述的方法，其特征在于，在所述利用分類模型對所述至少一張待分類圖像進行目標分類，得到所述目標對象的類型之前，所述方法還包括：

基于所述待分類圖像中所述目標對象對應的初始區域，得到所述目標對象的最終區域；

所述對所述至少一張待分類圖像進行若干層特征提取，對應得到若干組初始特征信息，包括：

利用所述最終區域對所述至少一張待分類圖像進行若干層特征提取，對應得到若干組初始特征信息；其中，在特征提取過程中，所述待分類圖像中對應所述最終區域的權重高于所述待分類圖像中其他區域的權重；和/或，所述初始特征信息中對應所述最終區域的特征比其他區域的特征更豐富。

4.根據權利要求3所述的方法，其特征在于，所述基于所述待分類圖像中所述目標對象對應的初始區域，得到所述目標對象的最終區域，包括：

獲取所述至少一張待分類圖像中所述目標對象對應的初始區域的并集，以作為所述目標對象的最終區域。

5.根據權利要求3至4任一項所述的方法，其特征在于，所述至少一張待分類圖像包括未標注所述目標對象的初始區域的第一待分類圖像和標注所述目標對象的初始區域的第二待分類圖像；在所述基于所述待分類圖像中所述目標對象對應的初始區域，得到所述目標對象的最終區域之前，所述方法還包括：

利用所述分類模型檢測到所述第一待分類圖像未標注有所述目標對象的初始區域，并基于第二待分類圖像上標注的所述目標對象的初始區域以及所述第二待分類圖像與第一待分類圖像的配準關系，確定所述第一待分類圖像上所述目標對象的初始區域。

6.根據權利要求2至5任一項所述的方法，其特征在于，在所述基于所述若干組初始特征信息中的至少一組初始特征信息，得到最終特征信息之前，所述方法還包括：

將每組所述初始特征信息轉換為預設維度；

和/或，所述基于所述若干組初始特征信息中的至少一組初始特征信息，得到最終特征信息，包括：

利用所述至少一組初始特征信息的權重，將所述至少一組初始特征信息進行融合，得到所述最終特征信息。

7.根據權利要求6所述的方法，其特征在于，每組所述初始特征信息的權重是在所述分類模型訓練過程確定的。

8.根據權利要求6或7所述的方法，其特征在于，所述預設維度為一維。

9.根據權利要求1至8任一項所述的方法，其特征在于，所述分類模型在訓練過程中采用ArcFace損失函數確定所述分類模型的損失值；和/或，所述分類模型每次訓練選擇的批樣本數據是利用數據生成器從樣本數據集中選擇的不同目標類型的數量為預設比例的樣本數據。

10.根據權利要求1至9任一項所述的方法，其特征在于，所述獲取包含目標對象的至少一張待分類圖像，包括：

分別從多張原始醫學圖像提取得到包含所述目標對象的待分類圖像。