图像中地标点检测方法、装置、终端设备及存储介质制造方法及图纸

本申请适用于图像处理技术领域，提供了一种图像中地标点检测方法、装置、终端设备及存储介质，所述检测方法包括：获取训练数据集；将所述训练数据集输入至地标点检测网络，得到预测地标点；获取所述目标地标点与所述预测地标点之间的第一差异信息，及由所述目标地标点从所述目标区域中划分出的第一目标区域与由所述预测地标点从所述目标区域中划分出的第二目标区域之间的第二差异信息；基于所述第一差异信息及所述第二差异信息，对所述地标点检测网络进行模型反向传播，得到训练后的所述地标点检测网络；基于训练后的所述地标点检测网络，对待处理图像进行处理，得到所述待处理图像中的目标预测地标点。上述方法提高了图像中地标点的检测精度。地标点的检测精度。地标点的检测精度。

【技术实现步骤摘要】
图像中地标点检测方法、装置、终端设备及存储介质


[0001]本申请属于图像处理
，尤其涉及一种图像中地标点检测方法、装置、终端设备及存储介质。

技术介绍

[0002]目前的地标点检测，基于深度学习及大规模的图像训练，支持上千种物体识别及场景识别，广泛应用于拍照识图、幼教科普、图像分类、医学解剖等场景。尤其在医学解剖场景中，地标点可以是指在解剖上具有重要意义的关键坐标点，通常为不同组织和器官的交界点或研究对象在形态学上特征最为突出的识别点。医学上可以利用这些地标点进行组织结构识别，因此对地标点进行检测具有十分重要的意义。
[0003]在目前地标点的检测方法中，采用手动标记地标点的方法不仅耗费时间和人力，还容易出现标记错误的现象，而现有的基于图像识别的手段可以快速对图像中的地标点进行检测，主要包括神经网络算法、分类算法以及支持向量机算法等，但是采用上述算法需要专业知识人员去进一步确认识别结果，确保识别准确度，效率低下。且对于数量庞大的待分析图像，在采用图像识别的手段进行分析时，专业知识人员无法再对每个待分析图像进一步确认结果，因此，如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像中地标点检测方法，其特征在于，所述检测方法包括：获取训练数据集，包括具有第一标签的N张图像，其中，第一标签用于指示所述图像中目标区域中的目标地标点；根据所述第一标签，从所述训练数据集所包含图像中提取所述目标地标点，并将所述训练数据集输入至地标点检测网络，得到预测地标点；获取所述目标地标点与所述预测地标点之间的第一差异信息，及由所述目标地标点从所述目标区域中划分出的第一目标区域与由所述预测地标点从所述目标区域中划分出的第二目标区域之间的第二差异信息；基于所述第一差异信息及所述第二差异信息，对所述地标点检测网络进行模型反向传播，得到训练后的所述地标点检测网络；基于训练后的所述地标点检测网络，对待处理图像进行处理，得到所述待处理图像中的目标预测地标点。2.如权利要求1所述的检测方法，其特征在于，所述基于训练后的所述地标点检测网络，对待处理图像进行处理之前，还包括：将所述待处理图像对齐到对应的三维模板空间中，得到配准后的所述待处理图像，其中，所述三维模板空间中对应结构点的标准空间位置；配准后的所述待处理图像中的结构点位于对应的所述标准空间位置上；对应地，所述对待处理图像进行处理，包括：对配准后的所述待处理图像进行处理。3.如权利要求1所述的检测方法，其特征在于，所述基于训练后的所述地标点检测网络，对待处理图像进行处理，得到所述待处理图像中的目标预测地标点，包括：通过训练后的图像分割网络对所述待处理图像进行分割处理，得到所述待处理图像中的目标区域；采用目标标签对所述待处理图像的目标区域进行标记，得到携带目标标签的所述待处理图像；将所述携带目标标签的所述待处理图像输入至所述训练后的所述地标点检测网络，得到所述待处理图像中的目标预测点。4.如权利要求3所述的检测方法，其特征在于，所述训练数据集还包括用于指示所述目标区域的第二标签，所述通过训练后的图像分割网络对所述待处理图像进行分割处理，得到所述待处理图像中的目标区域之前，还包括：将所述训练数据集输入至所述图像分割网络，得到目标分割区域；根据所述第二标签，从所述训练数据集所包含图像中提取所述目标区域；获取所述目标区域与所述目标分割区域之间的差异信息；基于所述差异信息，对所述图像分割网络进行模型反向传播，得到训练后的所述图像分割网络。5.如权利要求3所述的检测方法，其特征在于，所述将所述携带目标标签的所述待处理图像输入至所述训练后的所述地标点检测网络，得到所述待处理图像中的目标预测点，包括：将所述携带目标标签的所述待处理图像输入至所述训练后的所述地标点检测网络，通
...

【专利技术属性】
技术研发人员：唐晓颖，孙福海，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：