目标检测方法、计算机设备和存储介质技术

本申请涉及一种目标检测方法、计算机设备和存储介质。所述方法包括：获取待测医学图像；所述待测医学图像中包括至少一个目标；将所述待测医学图像输入至检测网络中进行目标检测处理，确定各所述目标的第一边界框信息；将所述待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各所述目标的第二边界框信息；根据各所述目标的第一边界框信息以及各所述目标的第二边界框信息，确定各所述目标的目标边界框信息。采用本方法能够提高对各类尺度以及各类形状的目标进行检测时的检测精确度。测精确度。测精确度。

【技术实现步骤摘要】
目标检测方法、计算机设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种目标检测方法、计算机设备和存储介质。

技术介绍

[0002]随着目标检测技术的不断发展，各行各业都将目标检测技术应用在其产业相关领域中，以提高对目标进行检测的效率和准确性。目前常用的目标检测技术大多是基于anchor
‑
base(基于锚点框)的方法，该方法可以把检测问题拆分成更简单的分类和回归问题，实现快速且准确地对目标进行检测。
[0003]相关技术中，在采用anchor
‑
base的方法进行目标检测时，通常会设置一个检测网络进行目标检测。在使用该检测网络进行目标检测之前，需要先统计所有目标的大小，然后设置多种尺度和长宽比的检测框，以覆盖所有的检测目标，之后可以采用设置的检测框训练检测网络，并在检测网络训练好之后对目标进行检测。
[0004]然而，上述技术难以保证对各类尺度或各类形状的目标的检测精确度。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够保证对各类尺度以及各类形状的目标进行检测时的精确度的目标检测方法、计算机设备和存储介质。
[0006]第一方面，本申请提供了一种目标检测方法，该方法包括：
[0007]获取待测医学图像；该待测医学图像中包括至少一个目标；
[0008]将待测医学图像输入至检测网络中进行目标检测处理，确定各目标的第一边界框信息；
[0009]将待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各目标的第二边界框信息；
[0010]根据各目标的第一边界框信息以及各目标的第二边界框信息，确定各目标的目标边界框信息。
[0011]在其中一个实施例中，上述根据各目标的第一边界框信息以及各目标的第二边界框信息，确定各目标的目标边界框信息，包括：
[0012]对同一个目标的第一边界框信息和第二边界框信息进行融合处理或筛选处理，确定各目标的目标边界框信息。
[0013]在其中一个实施例中，上述融合处理或筛选处理至少包括非极大值抑制处理。
[0014]在其中一个实施例中，上述将待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各目标的第二边界框信息，包括：
[0015]将待测医学图像输入至分割网络中进行目标分割处理，获得分割结果；该分割结果中包括目标的掩膜图像；
[0016]将掩膜图像中粘连的目标分隔开，并在分隔开目标的掩膜图像上计算各目标的第
二边界框信息。
[0017]在其中一个实施例中，上述目标包括以下至少一种目标：目标尺寸大于尺寸阈值的目标、形状不规则的目标、形状规则的目标、目标尺寸不大于尺寸阈值的目标；上述形状不规则的目标包括质心偏移的目标，和/或，宽高比超出比例范围的目标，和/或，宽深比超出比例范围的目标，和/或，高深比超出比例范围的目标。
[0018]在其中一个实施例中，上述检测网络和分割网络的训练数据集的划分方式包括：
[0019]获取多个训练样本图像；各训练样本图像中包括样本目标、样本目标的标准边界框信息；
[0020]根据各样本目标的标准边界框信息，确定各样本目标的物理尺寸；
[0021]根据各样本目标的标准边界框信息、各样本目标的物理尺寸以及各训练样本图像对应在标准边界框中的图像的像素信息中的至少一种信息，确定各样本目标中的长尾分布目标；
[0022]根据长尾分布目标将多个训练样本图像划分成两个训练数据集；该两个训练数据集分别用于对检测网络和分割网络进行训练。
[0023]在其中一个实施例中，上述根据长尾分布目标将多个训练样本图像划分成两个训练数据集，包括：
[0024]将多个训练样本图像中包含长尾分布目标的第一训练样本图像，以及获取的第一训练样本图像中长尾分布目标的掩膜图像，作为分割网络的训练数据集；
[0025]将多个训练样本图像中除第一训练样本图像之外的第二训练样本图像作为检测网络的训练数据集；该第二训练样本图像中不包含长尾分布目标。
[0026]在其中一个实施例中，上述长尾分布目标包括以下至少一种：
[0027]样本目标的物理尺寸大于尺寸阈值；
[0028]样本目标的尺寸比例超出比例范围；
[0029]样本目标为质心偏移的目标；质心偏移用于表征样本目标的离心率大于离心率阈值。
[0030]在其中一个实施例中，上述检测网络为级联的基于锚点框的多尺度检测网络，上述分割网络为级联的粗细分割网络。
[0031]第二方面，本申请还提供了一种目标检测装置，该装置包括：
[0032]获取模块，用于获取待测医学图像；该待测医学图像中包括至少一个目标；
[0033]检测模块，用于将待测医学图像输入至检测网络中进行目标检测处理，确定各目标的第一边界框信息；
[0034]分割模块，用于将待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各目标的第二边界框信息；
[0035]确定模块，用于根据各目标的第一边界框信息以及各目标的第二边界框信息，确定各目标的目标边界框信息。
[0036]第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0037]获取待测医学图像；该待测医学图像中包括至少一个目标；
[0038]将待测医学图像输入至检测网络中进行目标检测处理，确定各目标的第一边界框
信息；
[0039]将待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各目标的第二边界框信息；
[0040]根据各目标的第一边界框信息以及各目标的第二边界框信息，确定各目标的目标边界框信息。
[0041]第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0042]获取待测医学图像；该待测医学图像中包括至少一个目标；
[0043]将待测医学图像输入至检测网络中进行目标检测处理，确定各目标的第一边界框信息；
[0044]将待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各目标的第二边界框信息；
[0045]根据各目标的第一边界框信息以及各目标的第二边界框信息，确定各目标的目标边界框信息。
[0046]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0047]获取待测医学图像；该待测医学图像中包括至少一个目标；
[0048]将待测医学图像输入至检测网络中进行目标检测处理，确定各目标的第一边界框信息；
[0049]将待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各目标的第二边界框信息；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测方法，其特征在于，所述方法包括：获取待测医学图像；所述待测医学图像中包括至少一个目标；将所述待测医学图像输入至检测网络中进行目标检测处理，确定各所述目标的第一边界框信息；将所述待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各所述目标的第二边界框信息；根据各所述目标的第一边界框信息以及各所述目标的第二边界框信息，确定各所述目标的目标边界框信息。2.根据权利要求1所述的方法，其特征在于，所述根据各所述目标的第一边界框信息以及各所述目标的第二边界框信息，确定各所述目标的目标边界框信息，包括：对同一个目标的所述第一边界框信息和所述第二边界框信息进行融合处理或筛选处理，确定各所述目标的目标边界框信息。3.根据权利要求2所述的方法，其特征在于，所述融合处理或筛选处理至少包括非极大值抑制处理。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述将所述待测医学图像输入至分割网络中进行目标分割处理，并根据分割结果确定各所述目标的第二边界框信息，包括：将所述待测医学图像输入至分割网络中进行目标分割处理，获得分割结果；所述分割结果中包括目标的掩膜图像；将所述掩膜图像中粘连的目标分隔开，并在分隔开目标的掩膜图像上计算各所述目标的第二边界框信息。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述检测网络和所述分割网络的训练数据集的划分方式包括：获取多个训练样本图像；各所述训练样本图像中包括样本目标、所述样本目标的标准边界框信息；根据各所述样本目标的标准边界框信息、各所述样本目标的...

【专利技术属性】
技术研发人员：王斌，曹晓欢，薛忠，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：