本申请提供一种口腔结构定位模型训练方法、定位方法、装置和电子设备，涉及口腔检测领域，该方法包括：获取标注口腔特征区域的多个口腔图像；从多个口腔图像中选取训练集和验证集，将训练集中的任一口腔图像输入至初始口腔结构定位模型中，获得与训练集中每个口腔图像对应的特征图；针对特征图中的每一个感兴趣区域进行区域特征聚集，确定口腔特征区域，对感兴趣区域进行图像语义分割；将分割结果与口腔特征的区域进行比对，调整初始口腔结构定位模型的训练参数，若满足训练结束的条件，以验证集对训练参数进行验证，从而得到目标口腔结构定位模型，可以提高口腔图像识别的准确率，使采样设备能够完成自动采样。采样设备能够完成自动采样。采样设备能够完成自动采样。
【技术实现步骤摘要】
口腔结构定位模型训练方法、定位方法、装置和电子设备
[0001]本申请涉及口腔检测
，具体而言，涉及一种口腔结构定位模型训练方法、定位方法、装置和电子设备。
技术介绍
[0002]目前在对人体进行口腔采样时，一般是通过人工的方式获得试子，而无法使用采样设备进行自动采样，原因在于采样设备在获取人体口腔图像后，无法精准地识别对口腔进行采样的部位，从而可能导致采样失败的问题，同时也会影响用户的体验。
技术实现思路
[0003]有基于此，本申请实施例的目的在于提供一种口腔结构定位模型训练方法、定位方法、装置和电子设备，基于经过深度学习的模型实现对口腔图像的分割、识别以及定位，从而可以提高口腔图像识别的准确率，使采样设备能够完成自动采样。
[0004]第一方面，本申请实施例提供一种口腔结构定位模型训练方法，包括：
[0005]获取标注口腔特征区域的多个口腔图像；
[0006]从所述多个口腔图像中选取训练集和验证集，将所述训练集中的所述口腔图像输入至初始口腔结构定位模型中，获得与所述训练集中每个口腔图像对应的特征图；
[0007]针对所述特征图中的每一个感兴趣区域进行区域特征聚集，确定所述口腔特征区域，对所述感兴趣区域进行图像语义分割，以得到分割结果；
[0008]将所述分割结果与标注的所述口腔特征区域进行比对，基于比对结果调整所述初始口腔结构定位模型的训练参数，若满足训练结束的条件，以所述验证集对所述训练参数进行验证，若验证通过，得到目标口腔结构定位模型。
[0009]在上述实现过程中，可以对初始口腔结构定位模型进行训练，基于经过深度学习的模型实现对口腔图像的分割、识别以及定位，可以提高机器对口腔图像识别的准确率，从而使采样设备能够基于获取的待检测人员的口腔图像对人员进行自动采样。
[0010]可选地，在所述将所述分割结果与标注的所述口腔特征区域进行比对，基于比对结果调整所述初始口腔结构定位模型的训练参数之后，所述方法还可以包括：
[0011]生成参数优化策略，并基于所述参数优化策略对所述初始口腔结构定位模型的训练参数进行配置；
[0012]其中，所述参数优化策略包括：
[0013]基于训练初始口腔结构定位模型的终端的计算速率，配置选择迁移学习调用的模型、每个所述口腔图像的存储占用空间范围、所述口腔图像中最大可检测物体数量以及学习率，以控制所述初始口腔结构定位模型的训练速率；
[0014]基于所述口腔图像的特征个数，和/或定位范围，配置选择所述初始口腔结构定位模型的训练层数和感兴趣区域个数。
[0015]在上述实现过程中，可以根据计算机的计算资源、性能以及模型的应用方式生成
参数优化策略，并对模型的训练参数进行优化配置，调整模型的训练参数，如存储占用空间范围、最大可检测物体数量、训练层数和感兴趣区域个数等训练参数，从而能够提高模型的训练效率以及提高计算资源利用率。
[0016]可选地，在所述将所述分割结果与标注的所述口腔特征区域进行比对，基于比对结果调整所述初始口腔结构定位模型的训练参数，若满足训练结束的条件，以所述验证集对所述训练参数进行验证，若验证通过，得到目标口腔结构定位模型之前，所述方法还可以包括：
[0017]根据模型训练过程中训练函数接口的参数设置，配置每间隔预设训练时间或预设训练轮数保存一次所述初始口腔结构定位模型。
[0018]在上述实现过程中，可以基于经过深度学习的模型实现对口腔图像的分割、识别以及定位，从而可以提高口腔图像识别的准确率，使采样设备能够完成自动采样。
[0019]可选地，在所述获取标注口腔特征区域的多个口腔图像之后，所述方法还可以包括：
[0020]将标注口腔特征后的所述口腔图像转换为预设格式，以基于转换格式后的所述口腔图像对所述初始口腔结构定位模型进行训练或验证。
[0021]可选地，所述口腔特征的类别可以包括：嘴、牙齿、口咽、悬雍垂和舌头。
[0022]第二方面，本申请实施例提供一种口腔结构定位方法，包括：
[0023]获取待检测口腔图像；
[0024]对所述待检测口腔图像进行预处理，将所述待检测口腔图像输入训练完成的目标口腔结构定位模型中，以得到分割完成的口腔结构定位示意图；其中，所述目标口腔结构定位模型是根据上述任一实现方式中的模型训练方法得到的。
[0025]可选地，所述待检测口腔图像所述方法还可以包括：
[0026]基于所述口腔结构定位示意图确定对待采样人员进行采样时的采样位置。
[0027]在上述实现过程中，可以基于经过深度学习的模型实现对口腔图像的分割、识别以及定位，从而可以提高口腔图像识别的准确率，使采样设备能够完成自动采样。
[0028]第三方面，本申请实施例提供一种口腔结构定位模型训练装置，包括标注模块，用于获取标注口腔特征区域的多个口腔图像；
[0029]训练模块，用于从所述多个口腔图像中选取训练集和验证集，将所述训练集中的所述口腔图像输入至初始口腔结构定位模型中，获得与所述训练集中每个口腔图像对应的特征图；以及针对所述特征图中的每一个感兴趣区域进行区域特征聚集，确定所述口腔特征区域，对所述感兴趣区域进行图像语义分割，以得到分割结果；
[0030]验证模块，用于将所述分割结果与标注的所述口腔特征区域进行比对，基于比对结果调整所述初始口腔结构定位模型的训练参数，若满足训练结束的条件，以所述验证集对所述训练参数进行验证，若验证通过，得到目标口腔结构定位模型。
[0031]可选地，口腔结构定位模型训练装置还可以包括参数优化模块，用于生成参数优化策略，并基于所述参数优化策略对所述初始口腔结构定位模型的训练参数进行配置；
[0032]其中，所述参数优化策略包括：
[0033]基于训练初始口腔结构定位模型的终端的计算速率，配置选择迁移学习调用的模型、每个所述口腔图像的存储占用空间范围、所述口腔图像中最大可检测物体数量以及学
习率，以控制所述初始口腔结构定位模型的训练速率；以及基于所述口腔图像的特征个数，和/或定位范围，配置选择所述初始口腔结构定位模型的训练层数和感兴趣区域个数。
[0034]可选地，口腔结构定位模型训练装置还可以包括存储模块，用于根据模型训练过程中训练函数接口的参数设置，配置每间隔预设训练时间或预设训练轮数保存一次所述初始口腔结构定位模型。
[0035]本申请实施例中，在训练过程中保存的模型，可用于作为预训练权重(pretrain_weights)继续训练模型，也可使用paddlex.load_model接口加载测试模型的预测和评估等。可以提高模型训练效率，以及提高资源复用率。
[0036]可选地，口腔结构定位模型训练装置还可以包括格式转换模块，用于将所述口腔图像转换为预设格式，以基于转换格式后的所述口腔图像对所述初始口腔结构定位模型进行训练或验证。
[0037]第四方面，本申请实施例还提供一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种口腔结构定位模型训练方法，其特征在于，包括：获取标注口腔特征区域的多个口腔图像；从所述多个口腔图像中选取训练集和验证集，将所述训练集中的所述口腔图像输入至初始口腔结构定位模型中，获得与所述训练集中每个口腔图像对应的特征图；针对所述特征图中的每一个感兴趣区域进行区域特征聚集，确定所述口腔特征区域，对所述感兴趣区域进行图像语义分割，以得到分割结果；将所述分割结果与标注的所述口腔特征区域进行比对，基于比对结果调整所述初始口腔结构定位模型的训练参数，若满足训练结束的条件，以所述验证集对所述训练参数进行验证，若验证通过，得到目标口腔结构定位模型。2.根据权利要求1所述的方法，其特征在于，在所述将所述分割结果与标注的所述口腔特征区域进行比对，基于比对结果调整所述初始口腔结构定位模型的训练参数之后，所述方法还包括：生成参数优化策略，基于所述参数优化策略对所述初始口腔结构定位模型的训练参数进行配置；其中，所述参数优化策略包括：基于训练初始口腔结构定位模型的终端的计算速率，配置选择迁移学习调用的模型、每个所述口腔图像的存储占用空间范围、所述口腔图像中最大可检测物体数量以及学习率，以控制所述初始口腔结构定位模型的训练速率；基于所述口腔图像的特征个数，和/或定位范围，配置选择所述初始口腔结构定位模型的训练层数和感兴趣区域个数。3.根据权利要求1或2所述的方法，其特征在于，在所述将所述分割结果与标注的所述口腔特征区域进行比对，基于比对结果调整所述初始口腔结构定位模型的训练参数，若满足训练结束的条件，以所述验证集对所述训练参数进行验证，若验证通过，得到目标口腔结构定位模型之前，所述方法还包括：根据模型训练过程中训练函数接口的参数设置，配置每间隔预设训练时间或预设训练轮数保存一次所述初始口腔结构定位模型。4.根据权利要求1所述的方法，其特征在于，在所述获取标注口腔特征区域的多个口腔图像之后，所述方法还包括：将所述口腔图像转换为预设格式，以基于转换格式后的所述口腔图像对所述初始口腔结构定位模...
【专利技术属性】
技术研发人员：李明洋，杨帆，王家鹏，云鹏辉，许雄，
申请(专利权)人：上海节卡机器人科技有限公司，
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。