[发明专利]一种神经网络训练、检测方法、装置及设备

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

获取待处理全切片数字图像及其对应的标签；

对所述待处理全切片数字图像进行分割，得到多张分割图像；

将所述多张分割图像输入至神经网络中的特征提取层，得到所述特征提取层输出的示例特征图；所述神经网络包括顺次连接的特征提取层、全连接层、以及分类器；

将所述示例特征图输入至所述全连接层，分别得到所述全连接层输出的每张所述分割图像的权重；

将所述权重与所述示例特征图相乘后，输入至所述分类器，得到所述待处理全切片数字图像的分类结果；

将所述分类结果与所述标签进行对比，得到对比结果，基于所述对比结果判断所述神经网络是否收敛；

若否，则对所述神经网络的参数进行调整，并返回所述将所述多张分割图像输入至神经网络中的特征提取层的步骤，直至所述神经网络收敛，得到训练完成的神经网络模型；

所述将所述多张分割图像输入至神经网络中的特征提取层，得到所述特征提取层输出的示例特征图，包括：

针对每张分割图像，对该分割图像进行不同尺度的卷积计算，得到该分割图像的多个待处理特征图；其中，每一所述待处理特征图分别对应一种尺度的卷积计算；

对所述多个待处理特征图进行特征融合，得到该分割图像对应的融合特征图；

将所述多张分割图像对应的融合特征图拼接成示例特征图；

所述对所述多个待处理特征图进行特征融合，得到该分割图像对应的融合特征图，包括：

针对每个待处理特征图，对该待处理特征图进行池化处理，得到池化特征；

对该待处理特征图进行卷积，得到卷积特征；

对所述池化特征进行加权后与所述卷积特征相乘，得到注意力特征；

将所述注意力特征与所述卷积特征相加，得到已处理特征图；

对所述已处理特征图进行下采样，得到该待处理特征图对应的输出特征图；

将所述多个待处理特征图对应的输出特征图进行特征融合，得到融合特征图。

2.根据权利要求1所述的方法，其特征在于，所述将所述多张分割图像输入至神经网络中的特征提取层，得到所述特征提取层输出的示例特征图，包括：

识别包含预设人体组织区域的分割图像，作为目标分割图像；

判断所述目标分割图像的数量是否满足预设数量条件；

若是，则将所述目标分割图像输入至神经网络中的特征提取层，得到所述特征提取层输出的示例特征图。

3.根据权利要求1所述的方法，其特征在于，所述全连接层包括顺次连接的第一全连接层和第二全连接层；

所述将所述示例特征图输入至所述全连接层，分别得到所述全连接层输出的每张所述分割图像的权重，包括：

对所述示例特征图进行最大池化处理，得到多个特征向量；

将所述多个特征向量输入至所述第一全连接层，得到所述第一全连接层输出的特征矩阵；

将所述特征矩阵输入至所述第二全连接层，得到所述第二全连接层输出的每张所述分割图像的权重；

所述将所述权重与所述示例特征图相乘后，输入至所述分类器，得到所述待处理全切片数字图像的分类结果，包括：

将所述第二全连接层输出的每张所述分割图像的权重与所述示例特征图相乘后，输入至所述分类器，得到所述待处理全切片数字图像的分类结果。

4.一种检测方法，其特征在于，包括：

获取待检测全切片数字图像；

对所述待检测全切片数字图像进行分割，得到多张待检测分割图像；

将所述多张待检测分割图像输入至根据权利要求1-3任意一项所述的方法得到的神经网络模型，得到所述神经网络模型输出的检测结果。