[发明专利]图像特征的识别方法和装置、存储介质、电子装置

权利要求书

1.一种图像特征的识别方法，其特征在于，包括：

使用第一训练集合中的训练图片对第二神经网络模型中的参数进行训练初始化，并将初始化后的所述第二神经网络模型作为第三神经网络模型，其中，所述第一训练集合为已标注数据集合，所述已标注指所述第一训练集合中的训练图片的图像特征已经被标记；

使用所述第三神经网络模型对第二训练集合中的训练图片的图像特征进行识别，得到所述第三神经网络模型的第二识别结果，其中，所述第二训练集合为无标注数据集合，所述第二识别结果用于指示识别出的图像特征属于多个病变类型中的每个类型的概率；

基于所述第二训练集合中的当前训练图片对应的图像特征属于所述多个病变类型中的每个类型的概率，确定第一参数；基于所述第二训练集合中的当前训练图片对应的图像特征关联的第一特征向量和所述第二训练集合中的当前训练图片关联的第二特征向量，确定第二参数；基于所述第二特征向量和所述第一训练集合中的训练图片关联的第三特征向量，确定第三参数；

基于所述第一参数、所述第二参数、所述第三参数，确定所述第二训练集合中的当前训练图片的所述第二识别结果的置信度；

获取所述第二训练集合中训练图片的所有所述第二识别结果中所述置信度最高的第三识别结果；

利用所述第三识别结果对所述第二训练集合中对应的训练图片进行标记；

通过使用所述第二训练集合中被标记过的训练图片对所述第三神经网络模型进行训练，并将训练后的所述第三神经网络模型作为第一神经网络模型；

利用公共场所的摄像头，获取对多个目标对象的指定部位进行拍摄得到的目标图片；

获取对所述目标图片进行识别的识别请求；

通过第一神经网络模型对所述目标图片中的图像特征进行识别；

返回所述第一神经网络模型的第一识别结果，其中，所述第一识别结果至少用于指示在所述目标图片中识别出的图像特征对应的病情分类以及病情严重程度。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

使用所述第一训练集合中的训练图片对所述第二神经网络模型中的参数进行训练初始化，并将参数初始化后的所述第二神经网络模型作为所述第三神经网络模型；

使用所述第三神经网络模型对所述第二训练集合中训练图片的图像特征进行识别，并利用所述第三神经网络模型的第二识别结果对所述第二训练集合中的训练图片进行标记，其中，所述第二识别结果至少用于指示在所述第二训练集合的训练图片中识别出的图像特征；

通过使用所述第二训练集合中被标记过的训练图片继续对所述第三神经网络模型进行训练来对所述第三神经网络模型中的参数进行重新调整，并将参数调整后的所述第三神经网络模型作为所述第一神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述方法，还包括：

按照如下公式计算对所述第二训练集合中当前训练图片的所述第二识别结果的置信度s，

，

其中，是根据所述当前训练图片的所述第二识别结果中每个类型的概率确定的用于表示所述当前训练图片的重要性的参数，是根据所述第三神经网络模型从所述当前训练图片中识别出的特征向量和所述第二训练集合中训练图片的特征向量确定的密度参数，是根据所述第三神经网络模型从所述当前训练图片中识别出的特征向量和所述第一训练集合中训练图片的特征向量确定的多样性参数，和为预先配置好的参数；

获取所述第二训练集合中训练图片的所有所述第二识别结果中置信度最高的所述第三识别结果。

4.根据权利要求3所述的方法，其特征在于，所述方法，还包括：

根据所述第二训练集合中的训练图片的所有所述第二识别结果中置信度大小进行排序，选择前N个图片进行标注，更新所述第二训练集合，所述N为正整数。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述图像特征包括病变特征，其中，返回所述第一神经网络模型的第一识别结果包括：

返回用于表示识别出的病变特征的病变类型和识别出的病变特征属于所述病变类型的置信度的第一识别结果。