图像处理方法技术

本说明书实施例提供图像处理方法

【技术实现步骤摘要】
图像处理方法、图像处理模型的训练方法


[0001]本说明书实施例涉及计算机
，特别涉及一种图像处理方法
。

技术介绍

[0002]随着人们生活水平的提升，越来越多的人开始重视自己的健康问题，皮肤作为人体最大的器官，其直接同外界环境接触，由于多种因素的综合原因，皮肤病影响着世界上近三分之一的人口，但是皮肤科医生面临着巨大缺口，有很多皮肤病患者无法得到专业的诊断
。
[0003]随着大数据时代的到来，深度学习技术被越来越多应用到图像识别的应用中，通过对皮肤患者的图像进行图像识别，可以辅助对图像中是否存在皮肤病灶，以及病灶类型进行判断
。
目前对皮肤类疾病图像分类算法，只是单一地预测疾病的标签，即输入一张包括有皮肤的图片，输出预测的疾病，在图像识别中，由于皮肤病本身的复杂性和多样性，现有的算法输出结果的准确率无法做到
90
％以上，通常需要对预测的前几名的结果进行筛选给出准确的结果，现有的图像识别中，通常会出现预测结果中出现互斥的预测结果，预测不准确
。
因此，如何提能在图像中准确定位病灶，并识别病灶类型，就成为技术人员亟待解决的问题
。

技术实现思路

[0004]有鉴于此，本说明书实施例提供了一种图像处理方法
。
本说明书一个或者多个实施例同时涉及一种图像处理装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷
。
[0005]根据本说明书实施例的第一方面，提供了一种图像处理方法，包括：
[0006]接收图像处理任务，其中，所述图像处理任务中携带目标检测区域对应的待检测图像，所述图像处理任务用于检测所述目标检测区域是否存在异常；
[0007]将所述待检测图像输入至图像处理模型，获得所述目标检测区域对应的目标检测结果，其中，所述图像处理模型基于所述待检测图像生成初始预测结果，并基于所述初始预测结果和结果关系矩阵确定所述目标检测结果，所述结果关系矩阵用于标识多个结果之间的关联关系
。
[0008]根据本说明书实施例的第二方面，提供了一种皮损图像处理方法，包括：
[0009]接收皮损图像处理任务，其中，所述皮损图像处理任务携带目标检测区域对应的待检测皮损图像，所述皮损图像处理任务用于检测所述目标检测区域是否存在异常；
[0010]将所述待检测皮损图像输入至皮损图像处理模型，获得所述目标检测区域对应的目标检测结果，其中，所述皮损图像处理模型基于所述待检测皮损图像生成初始预测结果，并基于所述初始预测结果和结果关系矩阵确定所述目标检测结果，所述结果关系矩阵用于标识多个结果之间的关联关系
。
[0011]根据本说明书实施例的第三方面，提供了一种图像处理模型的训练方法，应用于
云侧设备，包括：
[0012]获取样本图像和所述样本图像对应的样本检测结果；
[0013]将所述样本图像输入至图像处理模型，获得所述图像处理模型输出的预测检测结果
、
预测异常特征信息和预测非异常特征信息；
[0014]根据所述样本检测结果
、
所述预测检测结果
、
所述预测异常特征信息和所述预测非异常特征信息计算模型损失值；
[0015]根据所述模型损失值调整所述图像处理模型的模型参数，直至达到模型训练停止条件，获得所述图像处理模型的模型参数；
[0016]向端侧设备发送所述图像处理模型的模型参数
。
[0017]根据本说明书实施例的第四方面，提供了图像处理方法，包括：
[0018]接收用户发送的图像处理请求，其中，所述图像处理请求包括图像处理任务，所述图像处理任务中携带目标检测区域对应的待检测图像，所述图像处理任务用于检测所述目标检测区域是否存在异常；
[0019]将所述待检测图像输入至图像处理模型，获得所述目标检测区域对应的目标检测结果，其中，所述图像处理模型基于所述待检测图像生成初始预测结果，并基于所述初始预测结果和结果关系矩阵确定所述目标检测结果，所述结果关系矩阵用于标识多个结果之间的关联关系；
[0020]向所述用户发送所述目标检测区域对应的目标检测结果
。
[0021]根据本说明书实施例的第五方面，提供了一种图像处理装置，包括：
[0022]接收模块，被配置为接收图像处理任务，其中，所述图像处理任务中携带目标检测区域对应的待检测图像，所述图像处理任务用于检测所述目标检测区域是否存在异常；
[0023]检测模块，被配置为将所述待检测图像输入至图像处理模型，获得所述目标检测区域对应的目标检测结果，其中，所述图像处理模型基于所述待检测图像生成初始预测结果，并基于所述初始预测结果和结果关系矩阵确定所述目标检测结果，所述结果关系矩阵用于标识多个结果之间的关联关系
。
[0024]根据本说明书实施例的第六方面，提供了一种计算设备，包括：
[0025]存储器和处理器；
[0026]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述方法的步骤
。
[0027]根据本说明书实施例的第七方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述方法的步骤
。
[0028]根据本说明书实施例的第八方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述方法的步骤
。
[0029]本说明书一个实施例提供的方法，在对待检测图像进行处理的过程中，在图像处理模型中，对待检测图像进行处理，获得初始预测结果的过程中，还会参考处理过程中生成的异常特征信息
。
在获得初始预测结果之后，还会继续参考预先设置的结果关系矩阵，来对初始预测结果中的结果进行进一步的筛选，避免出现互斥的预测结果，从而使得最终的目标检测结果更准确
。
附图说明
[0030]图1是本说明书一个实施例提供的一种图像处理系统的架构图；
[0031]图2是本说明书一个实施例提供的图像处理方法的流程图；
[0032]图3是本说明书一个实施例提供的结果关系矩阵的示意图；
[0033]图4是本说明书一个实施例提供的皮损图像处理方法的流程图；
[0034]图5是本说明书一个实施例提供的皮损图像处理方法的示意图；
[0035]图6是本说明书一个实施例提供的图像处理模型的训练方法的流程图；
[0036]图7是本说明书一个实施例提供的图像处理模型的结构的示意图；
[0037]图8是本说明书一个实施例提供的另一种图像处理方法的流程图；
[0038]图9是本说明书一个实施例提供的一种图像处理方法的处理过程流程图；
[0039]图
10
是本说明书一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像处理方法，包括：接收图像处理任务，其中，所述图像处理任务中携带目标检测区域对应的待检测图像，所述图像处理任务用于检测所述目标检测区域是否存在异常；将所述待检测图像输入至图像处理模型，获得所述目标检测区域对应的目标检测结果，其中，所述图像处理模型基于所述待检测图像生成初始预测结果，并基于所述初始预测结果和结果关系矩阵确定所述目标检测结果，所述结果关系矩阵用于标识多个结果之间的关联关系
。2.
如权利要求1所述的方法，所述图像处理模型包括嵌入层
、
特征处理层
、
分类层
、
比对层；将所述待检测图像输入至图像处理模型，获得所述目标检测区域对应的目标检测结果，包括：将所述待检测图像输入至所述嵌入层，获得嵌入图像特征；将所述嵌入图像特征输入至所述特征处理层，获得图像解码特征和异常特征信息；将所述图像解码特征和所述异常特征信息输入至所述分类层，获得初始预测结果；将所述初始预测结果输入至所述比对层，获得目标检测结果，其中，所述比对层包括结果关系矩阵
。3.
如权利要求2所述的方法，将所述待检测图像输入至所述嵌入层，获得嵌入图像特征，包括：基于预设分割信息，将所述待检测图像分割为多个待检测子图像；将预设分类符和多个待检测子图像拼接为待输入图像；将所述待输入图像输入至所述嵌入层，获得嵌入图像特征
。4.
如权利要求2所述的方法，所述初始预测结果包括多个初始预测子结果；将所述初始预测结果输入至所述比对层，获得目标检测结果，包括：确定待处理初始预测子结果和至少一个参考初始预测子结果，其中，所述待处理初始预测子结果为多个初始预测子结果中的任一个；基于所述结果关系矩阵
、
所述待处理初始预测子结果
、
各参考初始预测子结果，计算所述待处理初始预测子结果对应的关联性评分；基于各待处理初始预测子结果对应的关联性评分对所述初始预测结果进行排序，确定目标检测结果
。5.
如权利要求4所述的方法，基于所述结果关系矩阵
、
所述待处理初始预测子结果
、
各参考初始预测子结果，计算所述待处理初始预测子结果对应的关联性评分，包括：基于所述结果关系矩阵，计算所述待处理初始预测子结果与各参考初始预测子结果的关联子评分；基于各关联子评分确定所述待处理初始预测子结果对应的关联性评分
。6.
如权利要求1所述的方法，所述图像处理模型通过下述步骤训练获得：获取样本图像和所述样本图像对应的样本检测结果；将所述样本图像输入至图像处理模型，获得所述图像处理模型输出的预测检测结果
、
预测异常特征信息和预测非异常特征信息；根据所述样本检测结果
、
所述预测检测结果
、
所述预测异常特征信息和所述预测非异
常特征信息计算模型损失值；根据所述模型损失值调整所述图像处理模型的模型参数，直至达到模型训练停止条件
。7.
如权利要求6所述的方法，所述图像处理模型包括嵌入层
、
特征处理层
、
分类层
、
比对层；将所述样本图像输入至图像处理模型，获得所述图像处理模型输出的预测检测结果
、
预测异常特征信息和预测非异常特征信息，包括：将所述样本图像输入至所述嵌入层，获得嵌入样本图像特征；将所述嵌入样本图像特征输入至所述特征处理层，获得样本图像解码特征
、
...

【专利技术属性】
技术研发人员：刘伟，周彦捷，许静，高远，王宇，吕乐，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：