[发明专利]图像识别方法、图像识别装置、计算机产品和可读存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

确定待测图像中的多个目标的类别，以及各所述目标所在的目标区域；

获得各所述目标区域在所述待测图像中的位置，以及各所述目标区域的大小；

根据各所述目标区域的位置和大小确定各所述目标之间的相对位置关系；

根据所述目标之间的相对位置关系获得所述目标之间的相对位置关系的语义解读；

其中，所述根据各所述目标区域的位置和大小确定各所述目标之间的相对位置关系，具体包括：

选择距离在预设范围内的任意两个所述目标区域为具有关联的两个所述目标区域；

通过双重空间掩码方法，根据具有关联的两个所述目标区域的位置和大小确定具有关联的两个所述目标区域所对应的目标之间的相对位置关系；其中，所述双重空间掩码方法，是将具有关联的两个目标区域在位置和大小上分别进行掩码；

所述图像为医学影像图像，所述多个目标分别为病灶和生理器官，所述方法包括：确定所述医学影像图像中的病灶和生理器官，以及所述病灶和生理器官所在的目标区域；获得所述病灶和生理器官所在的目标区域在所述医学影像图像中的位置和大小；根据所述位置和大小确定病灶和生理器官之间的相对位置关系；将所述病灶和生理器官的类别和相对位置关系输入到概率知识网络获得病灶和生理器官之间的相对位置关系的语义解读，其中，

所述概率知识网络包括知识库，根据知识库中出现所述病灶和生理器官二者相对关系的词汇及对应的位置关系的概率确定所述语义解读；

或者，所述概率知识网络包括根据经过训练的神经网络确定所述语义解读。

2.如权利要求1所述的图像识别方法，其特征在于，所述确定待测图像中的多个目标的类别，以及各所述目标所在的目标区域，具体包括：

通过神经网络确定出待测图像中的多个目标的类别，以及各所述目标所在的目标区域。

3.如权利要求2所述的图像识别方法，其特征在于，所述神经网络包括区域卷积神经网络；在区域卷积神经网络中，候选区域设置为不低于200个。

4.如权利要求3所述的图像识别方法，其特征在于，所述候选区域的重叠度阈值大于或等于0.5。

5.如权利要求4所述的图像识别方法，其特征在于，所述候选区域的重叠度阈值大于或等于0.6且小于或等于0.7。

6.一种图像识别装置，其特征在于，包括：

目标识别单元，被配置为确定待测图像中的多个目标的类别，以及各所述目标所在的目标区域；

目标位置确定单元，被配置为获得各所述目标区域在所述待测图像中的位置，以及各所述目标区域的大小；

目标关系识别单元，被配置为根据各所述目标区域的位置和大小通确定各所述目标之间的相对位置关系；

语义解读单元，被配置为根据所述目标的类别和所述目标之间的相对位置关系获得所述目标之间的相对位置关系的语义解读；

其中，所述目标关系识别单元具体被配置为：选择距离在预设范围内的任意两个所述目标区域为具有关联的两个所述目标区域；通过双重空间掩码方法，根据具有关联的两个所述目标区域的位置和大小确定具有关联的两个所述目标区域所对应的目标之间的相对位置关系；

所述图像为医学影像图像，所述多个目标分别为病灶和生理器官，所述目标识别单元，具体被配置为确定所述医学影像图像中的病灶和生理器官，以及所述病灶和生理器官所在的目标区域；

所述目标位置确定单元，具体被配置为获得所述病灶和生理器官所在的目标区域在所述医学影像图像中的位置和大小；

所述目标关系识别单元，具体被配置为根据所述位置和大小确定病灶和生理器官之间的相对位置关系；

所述语义解读单元包括概率知识网络，所述语义解读单元具体被配置为将所述病灶和生理器官的类别和相对位置关系输入到概率知识网络获得病灶和生理器官之间的相对位置关系的语义解读，其中，

所述概率知识网络包括知识库，根据知识库中出现所述病灶和生理器官二者相对关系的词汇及对应的位置关系的概率确定所述语义解读；

或者，所述概率知识网络包括根据经过训练的神经网络确定所述语义解读。