模型的训练方法、眼底黄斑区病变识别方法、装置及设备制造方法及图纸

本公开涉及图像识别技术领域，提供了一种目标识别模型的训练方法、装置、眼底黄斑区病变识别方法及装置，以及实现上述方法的电子设备。其中，该目标识别模型的训练方法包括：响获取识别目标在图像中的位置信息，并根据所述图像和所述位置信息确定所述目标识别模型的训练集；通过所述训练集训练所述目标识别模型获取关于识别目标分类的第一损失函数；通过所述训练集训练所述目标识别模型获取关于识别目标在图像中位置的第二损失函数；根据所述第一损失函数和所述第二损失函数确定所述目标识别模型的模型参数，以完成所述目标识别模型的训练。通过本技术方案训练的模型的目标识别准确率高。

Training methods of the model, methods, devices and equipment for recognizing lesions in the macular area of the fundus

【技术实现步骤摘要】
模型的训练方法、眼底黄斑区病变识别方法、装置及设备
本公开涉及图像识别
，具体而言，涉及一种目标识别模型的训练方法及装置、眼底黄斑区病变识别方法及装置，以及实现上述目标识别模型的训练方法和眼底黄斑区病变识别方法的电子设备。
技术介绍
随着人工智能技术的不断发展，对图像中的目标进行识别的方式也越来多的采用机器学习算法完成。在相关技术中，通过机器学习算法实现图像中目标识别的模型训练方案一般包括以下步骤：通过方向特征直方图(HistogramofOrientedGradient,HOG，简称：HOG)、局部二值模式(LocalBinaryPattern，简称：LBP)等方法将图像中的目标部分的特征提取出来得到目标特征，对目标特征进行人工标注之后，然后基于标注后的目标特征训练分类器模型。从而，将待识别图像输入训练后的分类器进行分类，达到识别图像中目标的目的。然而，相关技术采用的目标识别方案的识别准确率有待提高。需要说明的是，上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解。
技术实现思路
本公开的目的在于提供一种目标识别模型的训练方法及装置、眼底黄斑区病变识别方法及装置，以及实现上本文档来自技高网...

【技术保护点】
1.一种目标识别模型的训练方法，其特征在于，所述方法包括：获取识别目标在图像中的位置信息，并根据所述图像和所述位置信息确定所述目标识别模型的训练集；通过所述训练集训练所述目标识别模型获取关于识别目标分类的第一损失函数；通过所述训练集训练所述目标识别模型获取关于识别目标在图像中位置的第二损失函数；根据所述第一损失函数和所述第二损失函数确定所述目标识别模型的模型参数，以完成所述目标识别模型的训练。

【技术特征摘要】
1.一种目标识别模型的训练方法，其特征在于，所述方法包括：获取识别目标在图像中的位置信息，并根据所述图像和所述位置信息确定所述目标识别模型的训练集；通过所述训练集训练所述目标识别模型获取关于识别目标分类的第一损失函数；通过所述训练集训练所述目标识别模型获取关于识别目标在图像中位置的第二损失函数；根据所述第一损失函数和所述第二损失函数确定所述目标识别模型的模型参数，以完成所述目标识别模型的训练。2.根据权利要求1所述的目标识别模型的训练方法，其特征在于，所述通过所述训练集训练所述目标识别模型获取关于识别目标分类的第一损失函数，包括：通过所述训练集对所述目标识别模型的基础网络部分和第一分类网络部分进行第一训练；确定所述第一训练的交叉熵损失函数为所述第一损失函数。3.根据权利要求2所述的目标识别模型的训练方法，其特征在于，所述通过所述训练集训练所述目标识别模型获取关于识别目标在图像中位置的第二损失函数，包括：通过所述训练集对所述目标识别模型的基础网络部分和第二分类网络部分进行第二训练；确定所述第二训练的均方差损失函数为所述第二损失函数。4.根据权利要求3所述的目标识别模型的训练方法，其特征在于，所述根据所述第一损失函数和所述第二损失函数确定所述目标识别模型的模型参数，包括：对所述第一损失函数和所述第二损失函数采用梯度下降方式迭代计算所述目标识别模型的模型参数；响应于所述第一损失值函数的损失值小于第一阈值，且所述第二损失函数的损失值小于第二阈值，获取所述基础网络部分的模型参数和所述第一分类网络部分的参数。5.根据权利要求4所述的目标识别模型的训练方法，其特征在于，所述基础网络部分包括卷积神经网络，所述第一分类网络部分包括第一全连接层，所述第二分类网络部分包括卷积层和第二全连接层。6.根据权利要求1至3中任意一项所述的目标识别模型的训练方法，其特征在于，所述图像为包含黄斑区的眼底图像，所述识别目标为所述...

【专利技术属性】
技术研发人员：龚丽君，
申请(专利权)人：腾讯医疗健康深圳有限公司，
类型：发明
国别省市：广东,44