[發(fā)明專利]圖像分類方法、分類模型的訓(xùn)練方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110302994.2
• 申請日: 2021-03-22
• 公開（公告）號: CN113033650A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計）人: 裴璇;郭彥東
• 申請（專利權(quán)）人: OPPO廣東移動通信有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京三高永信知識產(chǎn)權(quán)代理有限責任公司 11138
• 代理人: 邢惠童

本申請實施例公開了一種圖像分類方法、分類模型的訓(xùn)練方法、裝置及存儲介質(zhì)，屬于圖像分類技術(shù)領(lǐng)域。本申請實施例能夠在獲取到待分類對象的待分類圖像序列之后，從待分類圖像序列中提取q組子圖像序列后，再從q組子圖像序列中提取q個子序列特征，作為待分類對象的對象特征，并將該對象特征輸入圖像分類模型中，從而得到待分類對象的分類結(jié)果，該分類結(jié)果用于指示待分類對象最有可能的分類，從而實現(xiàn)了根據(jù)待分類對象完整的待分類圖像序列來判斷對應(yīng)的分類結(jié)果的效果，從而避免了遺漏待分類對象的圖像中不明顯的特征圖像區(qū)域，降低了誤判斷的情況的發(fā)生。

技術(shù)領(lǐng)域

本申請實施例涉及圖像分類技術(shù)領(lǐng)域，特別涉及一種圖像分類方法、分類模型的訓(xùn)練方法、裝置及存儲介質(zhì)。

背景技術(shù)

隨著卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)(convolutional neuralnetwork)技術(shù)被廣泛應(yīng)用于圖像分類領(lǐng)域中，用以協(xié)助用戶識別待測對象的種類。

相關(guān)技術(shù)中，當待測對象的圖像是電子計算機斷層掃描(Computed Tomography，CT)圖像的集合時，圖像分類模型將從每一張斷層掃描圖像中分割出需要識別的待測對象所在的區(qū)域，進而根據(jù)該區(qū)域識別出該待測對象的種類。

發(fā)明內(nèi)容

本申請實施例提供了一種圖像分類方法、分類模型的訓(xùn)練方法、裝置及存儲介質(zhì)。所述技術(shù)方案如下：

根據(jù)本申請的一方面內(nèi)容，提供了一種分類模型的訓(xùn)練方法，所述方法包括：

獲取樣本圖像集，所述樣本圖像集包括至少兩個樣本對象的樣本圖像序列，同一所述樣本對象的樣本圖像序列包括掃描所述樣本對象得到的至少兩個斷層掃描圖像所形成的序列，且所述樣本對象標注有分類結(jié)果；

從同一所述樣本對象的所述樣本圖像序列中提取m組子圖像序列，m為正整數(shù)；

提取m組子圖像序列對應(yīng)的m個子序列特征，作為所述樣本對象的樣本特征；

根據(jù)所述至少兩個樣本對象的所述樣本特征和所述分類結(jié)果，訓(xùn)練圖像分類模型。

根據(jù)本申請的另一方面內(nèi)容，提供了一種圖像分類方法，所述方法包括：

獲取待分類對象的待分類圖像序列，所述待分類圖像序列包括掃描所述待分類對象得到的至少兩個斷層掃描圖像所形成的序列；

從所述待分類圖像序列中提取q組子圖像序列，q為正整數(shù)；

提取q組子圖像序列對應(yīng)的q個子序列特征，作為所述待分類對象的對象特征；

將所述待分類對象的對象特征輸入圖像分類模型，得到對應(yīng)的分類結(jié)果。

根據(jù)本申請的另一方面內(nèi)容，提供了一種分類模型的訓(xùn)練裝置，所述裝置包括：

圖像集獲取模塊，用于獲取樣本圖像集，所述樣本圖像集包括至少兩個樣本對象的樣本圖像序列，同一所述樣本對象的樣本圖像序列包括掃描所述樣本對象得到的至少兩個斷層掃描圖像所形成的序列，且所述樣本對象標注有分類結(jié)果；

第一序列提取模塊，用于從同一所述樣本對象的所述樣本圖像序列中提取m組子圖像序列，m為正整數(shù)；

第一特征提取模塊，用于提取m組子圖像序列對應(yīng)的m個子序列特征，作為所述樣本對象的樣本特征；

模型訓(xùn)練模塊，用于根據(jù)所述至少兩個樣本對象的所述樣本特征和所述分類結(jié)果，訓(xùn)練圖像分類模型。

根據(jù)本申請的另一方面內(nèi)容，提供了一種圖像分類裝置，所述裝置包括：

序列獲取模塊，用于獲取待分類對象的待分類圖像序列，所述待分類圖像序列包括掃描所述待分類對象得到的至少兩個斷層掃描圖像所形成的序列；