[發明專利]一種深度特征學習多標簽的神經網絡影像自動標記方法

在審

• 申請號: 202110553873.5
• 申請日: 2021-05-20
• 公開（公告）號: CN113139076A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 陸鏗宇;王卓薇;曾鵬慷;朱錦濤;程良倫
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉曉娟

本發明公開了一種深度特征學習多標簽的神經網絡影像自動標記方法，用于解決現有的圖像標記方法標記性能不佳的技術問題。本發明包括：獲取待標記醫學圖像；將所述待標記醫學圖像輸入預訓練的深度特征學習網絡；通過所述預訓練的深度特征學習網絡輸出針對所述待標記醫學圖像的標記結果。

技術領域

本發明涉及影像標記技術領域，尤其涉及一種深度特征學習多標簽的神經網絡影像自動標記方法。

背景技術

隨著多媒體技術的飛速發展和醫學圖像采集設備的日趨便捷，影像數據呈爆炸式增長，如何從海量的醫學影像中快速檢索出有意義的信息已經成為醫學圖像處理領域重要的研究方向。圖像自動標記技術能夠實現對圖像的自動標注，進而反應其語義內容的關鍵詞，從而縮小圖像底層視覺特征與高層語義標簽之間的鴻溝，提高圖像檢索的效率和準確性，在醫學圖像處理領域具有廣泛的應用前景。

圖像特征是圖像語義內容的一種重要表示，因此圖像特征提取方法對于改善圖像標注性能至關重要。近幾年來，以cnn為代表的深度學習被廣泛地應用于計算機視覺領域，取得了較淺層學習更好的效果。

然而，在圖像自動標注領域，普遍存在著標準數據集樣本數量有限并且標簽分布不均勻的問題，造成網絡過擬合及標注性能不佳的問題。

發明內容

本發明提供了一種深度特征學習多標簽的神經網絡影像自動標記方法，用于解決現有的圖像標記方法標記性能不佳的技術問題。

本發明提供了一種深度特征學習多標簽的神經網絡影像自動標記方法，包括：

獲取待標記醫學圖像；

將所述待標記醫學圖像輸入預訓練的深度特征學習網絡；

通過所述預訓練的深度特征學習網絡輸出針對所述待標記醫學圖像的標記結果。

可選地，所述獲取待標記醫學圖像的步驟之前，還包括：

獲取多標簽數據集；

采用所述多標簽數據集訓練預設的初始深度特征學習網絡，得到初步訓練深度特征學習網絡；

獲取校驗標簽數據；

采用所述校驗標簽數據對所述初步訓練深度特征學習網絡進行微調，得到預訓練的深度特征學習網絡。

可選地，所述采用所述多標簽數據集訓練預設的初始深度特征學習網絡，得到初步訓練深度特征學習網絡的步驟，包括：

對所述多標簽數據集進行平滑處理，得到平滑多標簽數據集；

采用所述平滑多標簽數據集訓練預設的初始深度特征學習網絡，得到初步訓練深度特征學習網絡。

可選地，所述采用所述校驗標簽數據對所述初步訓練深度特征學習網絡進行微調，得到預訓練的深度特征學習網絡的步驟，包括：

將所述校驗標簽數據輸入所述初步訓練深度特征學習網絡，得到校驗結果數據；

獲取所述校驗標簽數據對應的目標結果數據；

根據所述校驗結果數據和所述目標結果數據，對所述初步訓練深度特征學習網絡進行微調，得到預訓練的深度特征學習網絡。

本發明還提供了一種深度特征學習多標簽的神經網絡影像自動標記裝置，包括：

待標記醫學圖像獲取模塊，用于獲取待標記醫學圖像；

輸入模塊，用于將所述待標記醫學圖像輸入預訓練的深度特征學習網絡；

標記結果輸出模塊，用于通過所述預訓練的深度特征學習網絡輸出針對所述待標記醫學圖像的標記結果。

可選地，還包括：