【技术实现步骤摘要】
一种原始图片的识别方法及装置
本专利技术实施例涉及图片处理
,尤其涉及一种原始图片的识别方法及装置。
技术介绍
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。对通过胶囊内镜拍摄的原始图片进行识别,以确定原始图片中是否存在某些特征显得意义重大,现有技术通过人工识别的方式识别上述原始图片,由于原始图片较多、人工阅片效率低下,且有些图片极为相似,容易导致图片识别错误。因此,如何避免上述缺陷,提高原始图片识别的效率和准确度,成为亟须解决的问题。
技术实现思路
针对现有技术存在的问题,本专利技术实施例提供一种原始图片的识别方法及装置。本专利技术实施例提供一种原始图片的识别方法,包括:输入待识别的原始图片至初筛网络模型;所述原始图片是通过胶囊内镜拍摄到的图片集;所述初筛网络模型为不区分异常特征的区域面积的网络模型;所述异常特征包括凸起特征和/或指定颜色特征;若判断获知所述初筛网络模型的输出为a11,则输入所述a11至细筛网络模型;所述a11为识别所述原始图片的一次第一识别结果;所述一次第一识别结果为所述初筛网络模型输出的、尚未确定不包含所述异常特征的一次识别结果;所述细筛网络模型为根据所述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;根据所述细筛网络模型的输出结果,确定是否输入所述输出结果至与所述输出结果相对应的目标网络模型;所述目标网络模型为用于识别所述点状异常特征的网络模型、用于识别所述面状异常特征的网络模型;根据所述目标网络模型的输出结果,确定所述原始图片的最终识别结果。本专利技术实施例提供一种原始图片的识 ...
【技术保护点】
1.一种原始图片的识别方法,其特征在于,包括:输入待识别的原始图片至初筛网络模型;所述原始图片是通过胶囊内镜拍摄到的图片集;所述初筛网络模型为不区分异常特征的区域面积的网络模型;所述异常特征包括凸起特征和/或指定颜色特征;若判断获知所述初筛网络模型的输出为a11,则输入所述a11至细筛网络模型;所述a11为识别所述原始图片的一次第一识别结果;所述一次第一识别结果为所述初筛网络模型输出的、尚未确定不包含所述异常特征的一次识别结果;所述细筛网络模型为根据所述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;根据所述细筛网络模型的输出结果,确定是否输入所述输出结果至与所述输出结果相对应的目标网络模型;所述目标网络模型为用于识别所述点状异常特征的网络模型、用于识别所述面状异常特征的网络模型;根据所述目标网络模型的输出结果,确定所述原始图片的最终识别结果。
【技术特征摘要】
1.一种原始图片的识别方法,其特征在于,包括:输入待识别的原始图片至初筛网络模型;所述原始图片是通过胶囊内镜拍摄到的图片集;所述初筛网络模型为不区分异常特征的区域面积的网络模型;所述异常特征包括凸起特征和/或指定颜色特征;若判断获知所述初筛网络模型的输出为a11,则输入所述a11至细筛网络模型;所述a11为识别所述原始图片的一次第一识别结果;所述一次第一识别结果为所述初筛网络模型输出的、尚未确定不包含所述异常特征的一次识别结果;所述细筛网络模型为根据所述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;根据所述细筛网络模型的输出结果,确定是否输入所述输出结果至与所述输出结果相对应的目标网络模型;所述目标网络模型为用于识别所述点状异常特征的网络模型、用于识别所述面状异常特征的网络模型;根据所述目标网络模型的输出结果,确定所述原始图片的最终识别结果。2.根据权利要求1所述的方法,其特征在于,所述输出结果包括所述点状异常特征、且尚未确定不包含所述异常特征;相应的,所述根据所述细筛网络模型的输出结果,确定是否输入所述输出结果至与所述输出结果相对应的目标网络模型,包括:输入b11至与所述b11相对应的区域目标识别网络模型;所述b11为对所述a11进行再识别的二次第一识别结果;所述二次第一识别结果为所述细筛网络模型输出的、尚未确定不包含所述异常特征、且所述异常特征为点状异常特征的二次识别结果;所述区域目标识别网络模型为用于识别所述点状异常特征的网络模型。3.根据权利要求2所述的方法,其特征在于,所述输出结果包括所述面状异常特征、且尚未确定不包含所述异常特征;相应的,所述根据所述细筛网络模型的输出结果,确定是否输入所述输出结果至与所述输出结果相对应的目标网络模型,包括:输入b12至与所述b12相对应的面状目标识别网络模型;所述b12为对所述a11进行再识别的另一二次第一识别结果;所述另一二次第一识别结果为所述细筛网络模型输出的、尚未确定不包含所述异常特征、且所述异常特征为面状异常特征的二次识别结果;所述面状目标识别网络模型为用于识别所述面状异常特征的网络模型。4.根据权利要求3所述的方法,其特征在于,所述目标网络模型为所述区域目标识别网络模型;相应的,所述根据所述目标网络模型的输出结果,确定所述原始图片的最终识别结果,包括:若判断获知所述区域目标识别网络模型的输出为c11,则确定所述原始图片的最终识别结果为确定不包含所述异常特征;所述c11为对所述b11进行再识别的三次第一识别结果;所述三次第一识别结果为所述区域目标识别网络模型输出的、尚未确定不包含所述异常特征的三次识别结果。5.根据权利要求4所述的方法,其特...
【专利技术属性】
技术研发人员:朱喻,
申请(专利权)人:广州思德医疗科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。