[发明专利]目标检测模型的训练方法及对应的检测方法在审
申请号: | 202210080240.1 | 申请日: | 2022-01-24 |
公开(公告)号: | CN114429459A | 公开(公告)日: | 2022-05-03 |
发明(设计)人: | 王娜;刘星龙;黄宁;陈翼男 | 申请(专利权)人: | 上海商汤智能科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06V10/774;G06V10/74;G06K9/62 |
代理公司: | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人: | 何倚雯 |
地址: | 200233 上海市徐*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标 检测 模型 训练 方法 对应 | ||
本申请公开了一种目标检测模型的训练方法及对应的检测方法、装置、设备以及存储介质,其中,训练方法包括:获取包含预设器官的样本医学图像,其中,样本医学图像标注有位于预设器官上的至少一个目标的标注结果,标注结果包括目标所在的实际区域;利用目标检测模型按照匹配顺序分别为各目标匹配至少一个第一候选区域,并基于第一候选区域得到关于目标的最终预测结果,其中,匹配顺序是基于各目标所在的实际区域的尺寸确定的;利用最终预测结果与标注结果,调整目标检测模型的参数。通过该方法,能够提高目标检测模型训练时的召回率。
技术领域
本申请涉及图像处理技术领域,特别是涉及一种目标检测模型的训练方法及对应的检测方法。
背景技术
通过对器官进行检测,可以发现器官可能存在的病灶,有助于提高诊疗的效果。目前,通过对目标检测模型进行训练,后续便可以利用目标检测模型来对器官进行检测,以此能够大幅降低医务人员的工作量,提高诊疗效率。
然而,由于器官中的目标大小不一,现有的目标检测模型的训练方法在对不同大小的目标进行检测时,召回率不高,导致目标检测的效果不好,这限制了该技术的进一步发展。
因此,如何改进目标检测模型的训练方法,以提高检测结果的召回率,以提高目标检测的效果,有非常重要的意义。
发明内容
本申请至少提供一种目标检测模型的训练方法及对应的检测方法、装置、设备以及存储介质。
本申请第一方面提供了一种目标检测模型的训练方法,该训练方法包括:获取包含预设器官的样本医学图像,其中,样本医学图像标注有位于预设器官上的至少一个目标的标注结果,标注结果包括目标所在的实际区域;利用目标检测模型按照匹配顺序分别为各目标匹配至少一个第一候选区域,并基于第一候选区域得到关于目标的最终预测结果,其中,匹配顺序是基于各目标所在的实际区域的尺寸确定的;利用最终预测结果与标注结果,调整目标检测模型的参数。
因此,在训练的过程中,通过按照匹配顺序分别为各目标匹配至少一个第一候选区域,并且,通过基于预设器官上的目标所在的实际区域的尺寸来确定匹配顺序,以此使得匹配顺序能够针对目标所在的实际区域的尺寸大小进行调整,使得匹配顺序能够更加适应目标大小不一的情况,有助于提高目标检测模型训练时的召回率,提高目标检测的效果。
其中,上述的匹配顺序为:实际区域的尺寸越小,越早对目标进行匹配。
因此,通过设置实际区域的尺寸越小的目标越早进行匹配,可以是实际区域的尺寸较小的目标能够优先被匹配,使得实际区域的尺寸较小的目标能够被匹配到更加合适的第一候选区域,以此能够提高目标检测模型训练时的召回率,尤其是小目标的召回率,有助于提高目标检测的效果。
其中,上述的利用目标检测模型按照匹配顺序分别为各目标匹配至少一个第一候选区域,包括:基于各目标所在的实际区域的尺寸,将各目标划分至不同目标组,其中,每个目标组对应的尺寸范围不同;基于不同目标组的尺寸范围,确定不同目标组对应的匹配顺序;按照匹配顺序分别为各目标组中的目标匹配至少一个第一候选区域。
因此,通过基于不同目标组的尺寸范围,确定不同目标组对应的匹配顺序,可以实现基于目标所在的实际区域的尺寸大小,分组对目标进行划分,进一步地,通过基于不同目标组的尺寸范围,确定不同目标组对应的匹配顺序,实现了基于目标所在的实际区域的尺寸确定匹配顺序。
其中,上述的按照匹配顺序分别为各目标组中的目标匹配至少一个第一候选区域,包括:按照匹配顺序对各目标组进行如下匹配步骤:获取目标组中的各目标分别与样本医学图像的不同锚点区域之间的匹配程度;基于匹配程度,为目标组的各目标选出至少一个锚点区域作为目标的第一候选区域。
因此,通过获取目标组中的各目标分别与样本医学图像的不同锚点区域之间的匹配程度,以此便能够基于匹配程度,为目标组的各目标选出至少一个锚点区域作为目标的第一候选区域,实现了对目标组的每一个目标确定第一候选区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海商汤智能科技有限公司,未经上海商汤智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210080240.1/2.html,转载请声明来源钻瓜专利网。