申请/专利权人：平安科技(深圳)有限公司

申请日：2020-12-24

公开（公告）日：2023-12-19

公开（公告）号：CN112651938B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06V10/764;G06N3/0464;G06N3/08;G06V10/98

优先权：

专利状态码：有效-授权

法律状态：2023.12.19#授权;2021.04.30#实质审查的生效;2021.04.13#公开

摘要：本申请涉及人工智能技术领域，公开了一种视盘图像分类模型的训练方法，包括：基于MaskRCNN网络构建神经网络模型，并将MaskRCNN网络的Mask实例分割单元替换为图像质量检测单元；获取多个视盘图像样本，视盘图像样本包括图像质量合格样本和图像质量不合格样本，图像质量合格样本包括视盘图像正常样本和视盘图像异常样本，视盘图像异常样本包括青光眼图像样本和视盘水肿图像样本；将视盘图像样本输入至神经网络模型中进行迭代训练，以得到所述视盘图像分类模型。本申请还涉及区块链技术领域。本申请还公开了一种视盘图像分类模型的训练装置、计算机设备以及计算机可读存储介质。本申请方便提高了对视盘图像检测的准确率。

主权项：1.一种视盘图像分类模型的训练方法，其特征在于，包括：基于MaskRCNN网络构建神经网络模型，并将所述MaskRCNN网络的Mask实例分割单元替换为图像质量检测单元；以及，获取多个视盘图像样本，其中，所述视盘图像样本包括图像质量合格样本和图像质量不合格样本，所述图像质量合格样本包括视盘图像正常样本和视盘图像异常样本，所述视盘图像异常样本包括青光眼图像样本和视盘水肿图像样本；将所述视盘图像样本输入至所述神经网络模型中进行迭代训练，直到所述神经网络模型训练完成，以得到所述视盘图像分类模型，其中，所述图像质量检测单元用于对基于所述视盘图像分类模型进行分类的视盘图像作图像质量判别，以使所述视盘图像分类模型分类出图像质量不合格的视盘图像；所述神经网络模型采用的损失函数Loss为：Loss＝0.4*LQ+0.4*LC+0.2*LD其中，所述LQ为图像质量损失函数，所述LC为目标分类损失函数，所述LD为位置回归损失函数；所述图像质量损失函数LQ为：LQ＝-[y*[logP1+logP2]+1-y*[log1-P1]]其中，所述y为图像质量标签，包括质量合格标签和质量不合格标签；所述P1为图像质量分类的概率，包括图像质量合格的概率和或图像质量不合格的概率；所述P2为图像中有无视盘图像的标签，包括有视盘图像标签和无视盘图像标签。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 视盘图像分类模型的训练方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD