[发明专利]一种确定分类标签的方法及装置

说明书

本发明实施例提供一种确定分类标签的方法及装置，所述方法包括：获取用于训练预设模型的样本图片；所述预设模型为根据异常特征的区域面积的数值大小，将所述异常特征区分为点状异常特征和面状异常特征的网络模型；所述异常特征包括凸起特征和/或指定颜色特征；对所有样本图片进行分类；其中，分类类型包括基于所述异常特征的第一分类类型、以及基于所述异常特征所在图片背景的第二分类类型。所述装置执行上述方法。本发明实施例提供的确定分类标签的方法及装置，通过对用于训练预设模型的所有样本图片进行分类，且分类类型包括第一分类类型和第二分类类型，能够提高样本图片的分类标签选择的合理性和准确度。

技术领域

本发明实施例涉及图片处理技术领域，尤其涉及一种确定分类标签的方法及装置。

背景技术

胶囊内镜具有无痛、无伤、拍摄图像信息量大等优点，具备广泛的应用价值。

现有技术采用人工方式识别通过胶囊内镜拍摄的原始图片、并对原始图片进行分类，为了更加准确、高效地识别原始图片，需要构建模型，但是模型在使用之前通常需要进行训练，针对上述原始图片的训练样本(可以是样本图片)的选择、以及对样本图片的分类标签的确定，尚没有有效的方法。

因此，如何避免上述缺陷，提高样本图片的分类标签选择的合理性和准确度，成为亟须解决的问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种确定分类标签的方法及装置。

本发明实施例提供一种确定分类标签的方法，包括：

获取用于训练预设模型的样本图片；所述预设模型为根据异常特征的区域面积的数值大小，将所述异常特征区分为点状异常特征和面状异常特征的网络模型；所述异常特征包括凸起特征和/或指定颜色特征；

对所有样本图片进行分类；其中，分类类型包括基于所述异常特征的第一分类类型、以及基于所述异常特征所在图片背景的第二分类类型。

本发明实施例提供一种确定分类标签的装置，包括：

获取单元，用于获取用于训练预设模型的样本图片；所述预设模型为根据异常特征的区域面积的数值大小，将所述异常特征区分为点状异常特征和面状异常特征的网络模型；所述异常特征包括凸起特征和/或指定颜色特征；

分类单元，用于对所有样本图片进行分类；其中，分类类型包括基于所述异常特征的第一分类类型、以及基于所述异常特征所在图片背景的第二分类类型。

本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，

所述处理器和所述存储器通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：

获取用于训练预设模型的样本图片；所述预设模型为根据异常特征的区域面积的数值大小，将所述异常特征区分为点状异常特征和面状异常特征的网络模型；所述异常特征包括凸起特征和/或指定颜色特征；

对所有样本图片进行分类；其中，分类类型包括基于所述异常特征的第一分类类型、以及基于所述异常特征所在图片背景的第二分类类型。

本发明实施例提供一种非暂态计算机可读存储介质，包括：

所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：

获取用于训练预设模型的样本图片；所述预设模型为根据异常特征的区域面积的数值大小，将所述异常特征区分为点状异常特征和面状异常特征的网络模型；所述异常特征包括凸起特征和/或指定颜色特征；