[發明專利]一種基于深度學習的眼底圖像識別分類方法

有效

• 申請號: 202110274127.2
• 申請日: 2021-03-15
• 公開（公告）號: CN112966759B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 徐偉;陶淑蘋;樸永杰;馮汝鵬;鄭亮亮
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06V10/774
• 代理公司: 長春眾邦菁華知識產權代理有限公司 22214
• 代理人: 朱紅玲

1.一種基于深度學習的眼底圖像識別分類方法，其特征是：該方法由以下步驟實現：

步驟一、將讀取的眼底圖像數據集進行數據增強后分為初始訓練集a和驗證集c，對所述初始訓練集a進行數據擴充獲得訓練集b1和訓練集b2；

步驟二、將所述初始訓練集a通過ResNet模型進行訓練，獲得訓練結果a；將訓練集b1和訓練集b2輸入通過AlexNet模型進行訓練，將所述訓練集b1的卷積基復用到訓練集b2，再通過密集連接分類器生成分類標簽，獲得訓練結果b；

步驟三、將步驟二獲得的訓練結果a和訓練結果b進行融合，獲得初始總體訓練結果；采用步驟一所述的驗證集c對所述初始總體訓練結果進行驗證，即：繪制權重分配與精確度曲線，利用爬山法找到最優值點，獲得對應的權重分配數值，獲得最終的訓練結果。

2.根據權利要求1所述的一種基于深度學習的眼底圖像識別分類方法，其特征在于：步驟一的具體過程為：

步驟一一、將讀取的眼底圖像數據集采用Sobel算子邊緣檢測進行圖像增強；

步驟一二、將增強后的眼底圖像數據集按照5：1的比例分為用于訓練神經網絡參數的訓練集a和用于驗證得到訓練好的參數權重的驗證集c；

步驟一三、將訓練集a進行數據擴充，通過隨機水平鏡像和平移獲得訓練集b1，通過隨機錯切和縮放獲得訓練集b2，所述初始訓練集a、訓練集b1和訓練集b2之間分別存在一一對應的映射關系。

3.根據權利要求1所述的一種基于深度學習的眼底圖像識別分類方法，其特征在于：步驟二中，將訓練集b1和訓練集b2通過AlexNet模型進行訓練，將所述訓練集b1的訓練過程分為卷積基和密集連接分類器兩部分，訓練訓練集b2時，以訓練集b1訓練的卷積基作為初始參數進行更新，再將訓練集b2連接到密集連接分類器中，通過密集連接分類器生成分類標簽，獲得訓練結果b。