[发明专利]基于语义分割网络的人体外表损伤检测方法及相关设备

权利要求书

1.一种基于语义分割网络的人体外表损伤检测方法，其特征在于，所述方法包括：

获取需要进行人体外表损伤检测的待检测图片；

将所述待检测图片输入至基于语义分割的人体损伤检测模型中；

依次通过所述人体损伤检测模型中的区域候选网络以及输出网络进行特征提取；

将所述区域候选网络提取的第一特征图与所述输出网络提取的第二特征图进行特征融合，获得最终特征图，包括：将所述区域候选网络提取的第一特征图拆分成多个第一子特征图；确定每个所述第一子特征图的计算类型；从所述输出网络提取的第二特征图中获取多个第二子特征图；确定每个所述第二子特征图的计算类型；将相同计算类型的所述第一子特征图以及所述第二子特征图进行融合，获得最终特征图；

对所述最终特征图进行特征检测，获得所述待检测图片的人体外表损伤检测结果，其中，所述人体外表损伤检测结果包括损伤区域边界框、损伤类型及图片掩膜。

2.根据权利要求1所述的方法，其特征在于，所述获取需要进行人体外表损伤检测的待检测图片之前，所述方法还包括：

获取多个需要进行模型训练的原始人体损伤图片；

接收用户对每个所述原始人体损伤图片的受损区域进行边界标注输入的多边形区域，以及接收用户针对所述受损区域输入的损伤类型；

将所述多边形区域以及所述损伤类型保存成格式化文件；

根据所述多边形区域的像素值，生成图片掩膜；

将所述原始人体损伤图片、所述格式化文件以及所述图片掩膜输入至语义分割网络框架模型中进行训练，获得训练好的人体损伤检测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述多边形区域的像素值，生成图片掩膜包括：

根据所述多边形区域，将所述多边形区域的内部区域确定为目标区域，以及将所述多边形区域的外部区域确定为背景区域；

按照所述损伤类型，将所述目标区域的像素值设置为第一标识，以及将所述背景区域的像素值设置为第二标识；

根据所述第一标识以及所述第二标识，生成图片掩膜。

4.根据权利要求2所述的方法，其特征在于，所述将所述原始人体损伤图片、所述格式化文件以及所述图片掩膜输入至语义分割网络框架模型中进行训练，获得训练好的人体损伤检测模型包括：

将所述原始人体损伤图片、所述格式化文件以及所述图片掩膜输入至初始模型；

通过所述初始模型中的骨干网络对所述原始人体损伤图片进行卷积运算以及池化运算，获得待训练特征图；

采用交替训练方法，将所述待训练特征图、所述格式化文件以及所述图片掩膜依次输入至所述人体损伤检测模型中的区域候选网络以及输出网络进行训练；

获取所述输出网络输出的掩膜计算结果、边界框坐标计算结果以及分类计算结果；

根据所述掩膜计算结果、所述边界框坐标计算结果以及所述分类计算结果，确定人体损伤检测模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述掩膜计算结果、所述边界框坐标计算结果以及所述分类计算结果，确定人体损伤检测模型包括：

将所述掩膜计算结果、所述边界框坐标计算结果以及所述分类计算结果输入至预设的损失函数进行计算，获得损失值；

根据所述损失值，使用随机梯度下降算法，更新所述初始模型的参数；

若所述损失函数的损失值达到收敛状态，确定更新参数后的初始模型为训练好的人体损伤检测模型。

6.根据权利要求5所述的方法，其特征在于，所述初始模型的骨干网络、区域候选网络以及输出网络中的激活函数采用PRelu函数，所述骨干网络采用Densenet121模型。