【技术实现步骤摘要】
图像检测方法、装置、计算机设备及存储介质
[0001]本申请涉及人工智能
，特别涉及一种图像检测方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着人工智能技术的发展，基于人工智能技术训练得到的图像检测模型，能够对图像进行检测，得到异常图像。以输入图像检测模型的图像为细胞图像为例，异常图像为异常细胞图像，该异常细胞图像包括有问题的细胞或者细胞团等。
[0003]然而，由于染色玻片的制片质量、取材条件、染色试剂影响以及扫描失焦等问题，会导致输入图像检测模型的图像存在杂质，如黑斑、阴影等非细胞杂质。由于杂质的形态与异常细胞较为类似，从而图像检测模型会将不属于异常细胞图像的杂质图像误检测为异常细胞图像，因此，如何从异常细胞图像中检测出杂质图像是需要解决的问题。
技术实现思路
[0004]本申请实施例提供了一种图像检测方法、装置、计算机设备及存储介质，能够较为准确地检测出杂质图像。所述技术方案如下：
[0005]一方面，提供了一种图像检测方法，所述方法包括：
[0006]基于杂...
【技术保护点】
【技术特征摘要】
1.一种图像检测方法，其特征在于，所述方法包括：基于杂质检测模型中的编码器和生成器，对第一图像进行重建，得到第二图像，所述杂质检测模型用于确定杂质图像，所述第一图像为异常图像；基于所述第一图像和所述第二图像，确定第一重建信息，所述第一重建信息用于表示所述第一图像和所述第二图像之间的差异；基于所述杂质检测模型中的编码器，分别对所述第一图像和所述第二图像进行编码，得到第一编码特征和第二编码特征；基于所述第一编码特征和所述第二编码特征，确定第二重建信息，所述第二重建信息用于表示所述第一编码特征和所述第二编码特征之间的差异；基于所述杂质检测模型中的判别器，分别对所述第一图像和所述第二图像进行判别，得到第一判别特征和第二判别特征；基于所述第一判别特征和所述第二判别特征，确定第三重建信息，所述第三重建信息用于表示所述第一判别特征和所述第二判别特征之间的差异；基于所述第一重建信息、所述第二重建信息以及所述第三重建信息，确定所述第一图像是否属于杂质图像。2.根据权利要求1所述的方法，其特征在于，所述基于杂质检测模型中的编码器和生成器，对第一图像进行重建，得到第二图像，包括：基于所述杂质检测模型中的编码器对所述第一图像进行编码，得到所述第一编码特征；基于所述杂质检测模型中的生成器对所述第一编码特征进行处理，得到所述第二图像。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一重建信息、所述第二重建信息以及所述第三重建信息，确定所述第一图像是否属于杂质图像，包括：对所述第一重建信息、所述第二重建信息以及所述第三重建信息进行加权求和，得到所述第一图像的杂质参考信息；在所述杂质参考信息大于参考阈值的情况下，确定所述第一图像属于杂质图像。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述方法还包括：基于图像检测模型对多个图像进行检测，得到至少一个异常图像，所述图像检测模型用于检测输入的图像是否为异常图像。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述方法还包括：基于多个第一样本图像和多个样本隐层特征，采用逐渐增加生成器的层数和判别器的层数的方式，训练得到所述杂质检测模型中的生成器和判别器，所述第一样本图像为异常图像，所述样本隐层特征为随机生成的特征；基于多个第二样本图像、所述生成器以及所述判别器，训练得到所述杂质检测模型中的编码器，所述第二样本图像为异常图像。6.根据权利要求5所述的方法，其特征在于，所述基于多个第二样本图像、所述生成器以及所述判别器，训练得到所述杂质检测模型中的编码器，包括：对于第i轮迭代，基于所述杂质检测模型中第i轮迭代的编码器，对第i轮迭代输入的第二样本图像进行编码，得到第一样本编码特征，i为正整数；
基于所述判别器对所述第二样本图像进行判别，得到第一...
【专利技术属性】
技术研发人员：马兆轩，肖凯文，叶虎，蔡德，周彦宁，韩骁，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
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。