【技术实现步骤摘要】
眼底图像分类方法、装置及计算机可读存储介质
本专利技术涉及图像处理技术,特别涉及一种眼底图像分类方法、装置及计算机可读存储介质。
技术介绍
随着多媒体技术与计算机设备网络的广泛应用,网络上出现大量图像数据。如何能够有效的管理这些图像文件,自动识别和分类这些图像的内容变的越来越重要。目前,随着机器学习方法的不断完善和发展,深度学习算法越来越受到重视,其中卷积神经网络就是深度学习中一种重要的算法,目前已成为图像识别领域的研究热点。基于卷积神经网络的图像分类技术能够自动从图像中提取特征信息,通过提取的特征进行图像表达。然而,针对不同具体领域或者不同类别的图像,基于卷积神经网络进行分类时,往往需要分别建立与该领域或者类别对应的网络模型,每个网络模型包含的层级与整体架构通过训练的方式进行确定,而为了获取更好的特征表达能力以取得更好的分类精度,尤其是针对分类精度要求更高的领域,往往需要针对同一领域或类别的图像分别获得更多相同或者同类的原始图像数据作为训练数据,以增加网络深度、扩大网络规模,通过更多训练数据来将网络模型的各个层级的架构分别基于前一层级的架构确定后再进行搭建,从而网络模型训练方式复杂,且训练得到的网络模型对图像的分类精度不够稳定。
技术实现思路
为解决现有存在的技术问题,本专利技术实施例提供一种训练方式简单、且可提高分类精度稳定性的眼底图像分类方法、装置及计算机可读存储介质。本专利技术实施例的技术方案是这样实现的:一种眼底图像分类方法,包括:获得眼底图像、以及所述眼底图像中所包括的眼球的类别;调整所述眼底图像的显示参数满足取值条件;根据所述显示参数的分布需要满 ...
【技术保护点】
1.一种眼底图像分类方法,其特征在于,包括:获得眼底图像、以及所述眼底图像中所包括的眼球的类别;调整所述眼底图像的显示参数满足取值条件;根据所述显示参数的分布需要满足的分布条件,对所述眼底图像的所述显示参数进行变换获得新图像;基于调整后的眼底图像和新图像构造的训练集、以及所包括眼球的类别,训练神经网络模型;基于训练后的所述神经网络模型,确定待预测眼底图像中所包括眼球的类别,所述类别为以下之一:正常、温和非增值性、中度非增值性、重度非增值性及增值性。
【技术特征摘要】
1.一种眼底图像分类方法,其特征在于,包括:获得眼底图像、以及所述眼底图像中所包括的眼球的类别;调整所述眼底图像的显示参数满足取值条件;根据所述显示参数的分布需要满足的分布条件,对所述眼底图像的所述显示参数进行变换获得新图像;基于调整后的眼底图像和新图像构造的训练集、以及所包括眼球的类别,训练神经网络模型;基于训练后的所述神经网络模型,确定待预测眼底图像中所包括眼球的类别,所述类别为以下之一:正常、温和非增值性、中度非增值性、重度非增值性及增值性。2.如权利要求1所述的眼底图像分类方法,其特征在于,所述训练神经网络模型,包括:初始化神经网络模型;将所述训练集包括的图像以及对应的类别输入所述神经网络模型进行迭代训练,直至所述神经网络模型的损失函数满足收敛条件,得到用于对所述待预测眼底图像分类的单一神经网络模型。3.如权利要求2所述的眼底图像分类方法,其特征在于,还包括:根据K损失函数和多分类的对数损失函数以预设比例组合,得到所述神经网络模型的损失函数。4.如权利要求1所述的眼底图像分类方法,其特征在于,所述训练神经网络模型,包括:初始化神经网络模型;根据所述原始图像中所包含的至少两个眼球,初始化与所述神经网络模型顺序连接的级联层、全连接层、以及与所述眼球对应的分类层,得到用于对所述待预测眼底图像分类的组合神经网络模型;将所述训练集包括的图像以及对应的类别输入所述组合神经网络模型进行迭代训练,直至损失函数满足收敛条件。5.如权利要求1所述的眼底图像分类方法,其特征在于,所述基于训练后的所述神经网络模型,确定待预测眼底图像中所包括眼球的类别,包括:在单一神经网络模型中,提取所述待预测眼底图像中的图像特征,将所提取的图像特征进行降采样处理;将降采样处理的特征映射到所述眼球属于不同类别的概率。6.如权利要求1所述的眼底图像分类方法,其特征在于,所述基于训练后的所述神经网络模型,确定待预测眼底图像中所包括眼球的类别,包括:在组合神经网络模型中,利用所述组合神经网络模型从至少两个眼球的待预测眼底图像中对应提取图像特征;将所提取的图像特征级联,并进行降采样处理;将降采样处理的图像特征,分别映射到所述至少两个眼球属于不同类别的概率。7.如权利要求1所述的眼底图像分类方法,其特征在于,所述调整所述眼底图像的显示参数满足取值条件,包括:检测所述眼底图像中所包括眼球的成像区域;调整所述眼底图像的尺寸,直至所述眼底图像所包括眼球的成像区域的尺寸一致。8.如权利要求1所述的眼底图像分类方法,其特征在于,所述调整所述眼底图像的显示参数满足取值条件,包括:基于所述眼底图像需要满足的识别度,对所述眼底图像的各个颜色通道进行图像增强处理。9.如权利要求1所述的眼底图像分类方法,其特征在于,所述...
【专利技术属性】
技术研发人员:彭湃,郭晓威,吴凯琳,
申请(专利权)人:腾讯科技深圳有限公司,腾讯云计算北京有限责任公司,
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。