目标物识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及数字医疗领域的人工智能技术，揭露了一种目标物识别方法，包括：对训练图像集合中的图像进行图像对增强处理，得到训练图像对集合，利用预设的对比分类网络对训练图像对集合中的图像进行图像分类，得到图像分类结果，利用对比分类网络对训练图像对集合中的图像进行对比学习，得到对比学习结果，基于图像分类结果及对比学习结果对对比分类网络进行联合训练，得到目标物识别模型，利用目标物识别模型对待识别图像进行目标物识别，得到识别结果。本发明专利技术还涉及区块链技术，所述识别结果可存储在区块链的节点中。本发明专利技术还提出一种目标物识别装置、电子设备以及可读存储介质。本发明专利技术可以提高目标物识别的准确率。发明专利技术可以提高目标物识别的准确率。发明专利技术可以提高目标物识别的准确率。

【技术实现步骤摘要】
目标物识别方法、装置、设备及存储介质


[0001]本专利技术涉及数字医疗及人工智能
，尤其涉及一种目标物识别方法、装置、电子设备及可读存储介质。

技术介绍

[0002]随着人工智能的发展，目标物识别广泛应用于不同领域，可以提高数据识别的效率，例如，在医疗业务中，通过对药盒图片进行识别，来确定具体的药品信息。
[0003]现有技术中，药盒识别方法主要有两种：一是基于ocr识别技术，识别药盒上的药名，然而ocr技术仅能识别药盒上的通用名(如盐酸二甲双胍缓释片)，无法对应到更具体的药品信息(如具体的生产厂商等)，且药品名称较为孤僻，导致药品识别往往不够精准；第二种是基于图片做分类模型，通过抓取图片特征，送入分类网络，给出药品的类别。然而，由于同个厂家的药品会存在外包装高度一致，但是药品完全不一样的情况，纯靠外包装的分类模型会导致药品识别准确率不高。

技术实现思路

[0004]本专利技术提供一种目标物识别方法、装置、电子设备及可读存储介质，其主要目的在于可以提高目标物识别的准确率。
[0005]为实现上述目的，本专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标物识别方法，其特征在于，所述方法包括：获取训练图像集合，对所述训练图像集合中的图像进行图像对增强处理，得到训练图像对集合；利用预设的对比分类网络对所述训练图像对集合中的图像进行图像分类，得到图像分类结果；利用所述对比分类网络对所述训练图像对集合中的图像进行对比学习，得到对比学习结果；基于所述图像分类结果及所述对比学习结果对所述对比分类网络进行联合训练，得到目标物识别模型；利用所述目标物识别模型对待识别图像进行目标物识别，得到识别结果。2.如权利要求1所述的目标物识别方法，其特征在于，所述对所述训练图像集合中的图像进行图像对增强处理，得到训练图像对集合，包括：依次将所述训练图像集合中的图像选为目标图像；对所述目标图像进行两次不同的图像增强处理，得到两张不同的增强图像，将所述两张不同的增强图像作为所述目标图像的增强图像对；在所述训练图像集合中的图像均被选为目标图像后，汇总所有的增强图像对得到所述训练图像对集合。3.如权利要求1所述的目标物识别方法，其特征在于，在所述利用预设的对比分类网络对所述训练图像对集合中的图像进行图像分类之前，还包括：将预设的两个特征提取网络并联处理，得到特征提取层；在所述特征提取层后串联一层分类层，以及在所述特征提取层后串联一层对比计算层，得到所述对比分类网络。4.如权利要求3中所述的目标物识别方法，其特征在于，所述利用预设的对比分类网络对所述训练图像对集合中的图像进行图像分类，得到图像分类结果，包括：利用所述对比分类网络中的特征提取层对所述训练图像对集合中的增强图像对进行特征提取，得到图像特征对；利用所述对比分类网络中的分类层对所述图像特征对进行图像分类，得到图像分类结果。5.如权利要求1所述的目标物识别方法，其特征在于，所述基于所述图像分类结果及所述对比学习结果对所述对比分类网络进行联合训练，得到目标物识别模型，包括：利用所述图像分类结果计算分类损失，以及利用所述对比学习结果计算对比损失；利用所述分类损失及所述对比损失计算总损失，在所述总损失不满足预设的损失阈值时，调整所...

【专利技术属性】
技术研发人员：梁欣，倪渊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：