【技术实现步骤摘要】
图像识别方法及相关模型的训练方法及相关装置、设备
本申请涉及人工智能
，特别是涉及一种图像识别方法及相关模型的训练方法及相关装置、设备。
技术介绍
随着神经网络、深度学习等人工智能技术的发展，对神经网络模型进行训练，并利用经训练的神经网络模型满足医学领域中的相关业务需求，逐渐受到人们的青睐。在相关业务需求中，对于诸如印戒细胞等目标细胞的检测，由于在提高患者生存率等方面的应用价值而受到瞩目。然而，利用显微镜进行人工检测，极易发生遗漏、误检等情况，从而难以确保目标细胞检测的准确性。有鉴于此，如何提高细胞检测的准确性成为亟待解决的问题。
技术实现思路
本申请提供一种图像识别方法及相关模型的训练方法及相关装置、设备。本申请第一方面提供了一种细胞检测模型的训练方法，包括：利用细胞检测模型对样本图像进行目标检测，得到检测结果，其中，检测结果包括样本图像中目标细胞的检测区域，样本图像标注有目标细胞所在的实际区域；基于检测区域分别与实际区域、目标细胞的疑似区域之间的差异，确定细胞检测模型的损失值；利...
【技术保护点】
1.一种细胞检测模型的训练方法，其特征在于，包括：/n利用细胞检测模型对样本图像进行目标检测，得到检测结果，其中，所述检测结果包括所述样本图像中目标细胞的检测区域，所述样本图像标注有目标细胞所在的实际区域；/n基于所述检测区域分别与所述实际区域、所述目标细胞的疑似区域之间的差异，确定所述细胞检测模型的损失值；/n利用所述损失值，调整所述细胞检测模型的参数，以完成对所述细胞检测模型的本次训练。/n
【技术特征摘要】
1.一种细胞检测模型的训练方法，其特征在于，包括：
利用细胞检测模型对样本图像进行目标检测，得到检测结果，其中，所述检测结果包括所述样本图像中目标细胞的检测区域，所述样本图像标注有目标细胞所在的实际区域；
基于所述检测区域分别与所述实际区域、所述目标细胞的疑似区域之间的差异，确定所述细胞检测模型的损失值；
利用所述损失值，调整所述细胞检测模型的参数，以完成对所述细胞检测模型的本次训练。
2.根据权利要求1所述的方法，其特征在于，在所述基于所述检测区域分别与所述实际区域、所述目标细胞的疑似区域之间的差异，确定所述细胞检测模型的损失值之前，所述方法还包括：
将之前训练过程得到的至少一个检测区域作为所述目标细胞的疑似区域。
3.根据权利要求2所述的方法，其特征在于，所述至少一个检测区域与所述实际区域之间的重合度不满足预设条件。
4.根据权利要求3所述的训练方法，其特征在于，所述重合度为交并比，所述预设条件包括：所述交并比大于或等于预设交并比阈值；
和/或，所述之前训练过程得到的至少一个检测区域为上次训练过程得到的检测区域，或者为之前若干次训练过程累积得到的检测区域。
5.根据权利要求2至4任一项所述的训练方法，其特征在于，所述检测结果还包括与所述检测区域对应的置信度；
所述基于所述检测区域分别与所述实际区域、所述目标细胞的疑似区域之间的差异，确定所述细胞检测模型的损失值，包括：
基于所述检测区域与所述实际区域之间的差异，得到实际损失值，基于所述检测区域与所述疑似区域之间的差异，得到疑似损失值；
分别对所述实际损失值和所述疑似损失值进行加权处理，得到所述细胞检测模型的损失值，其中，所述实际损失值、疑似损失值的权重分别由所述实际区域、所述疑似区域对应的置信度确定。
6.根据权利要求1至5任一项所述的训练方法，其特征在于，在所述利用细胞检测模型对样本图像进行目标检测，得到检测结果之前，所述方法还包括以下至少一个步骤：
对所述样本图像进行数据增强；
对所述样本图像进行颜色迁移；
将所述样本图像中的像素值进行归一化处理。
7.根据权利要求1至6任一项所述的训练方法，其特征在于，所述目标细胞包括印戒细胞；
和/或，所述细胞检测模型包括可变形卷积层、全局信息增强模块中的至少一者。
8.一种图像识别方法，其特征在于，包括：
获取待识别病理图像；
采用细胞检测模型对所述待识别病理图像进行目标检测，得到所述待识别病理图像中目标细胞的检测区域；
其中，所述细胞检测模型是由权利要求1至7任一项所述的方法训练得到的。
9.一种图像识别方法，其特征在于，包括：
获取待识别病理图像；
采用细胞检测模型对所述待识别病理图像进行目标检测，得到所述待识别病理图像中目...
【专利技术属性】
技术研发人员：李嘉辉，
申请(专利权)人：青岛商汤科技有限公司，
类型：发明
国别省市：山东;37
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。