[发明专利]对象识别方法和装置及存储介质

权利要求书

1.一种对象识别方法，其特征在于，包括：

使用多组数据对卷积神经网络进行训练，确定目标数据模型，其中，所述多组数据包括：样本对象的目标部位的三维图像信息和用于指示所述样本对象的所述目标部位中的目标对象是否具有浸润性的指示信息，所述样本对象的所述目标部位的三维图像信息至少用于表示所述样本对象的所述目标部位中的所述目标对象；

对目标图像进行预处理，得到预处理图像，其中，所述预处理图像包含待检测对象的目标部位的三维图像信息；

使用目标数据模型对所述三维图像信息进行处理，得到所述待检测对象的所述目标部位的所述目标对象；

将所述目标对象分别映射至所述目标数据模型的最后一个卷积特征层，得到目标特征，对所述目标特征进行处理，得到待检测对象的所述目标部位中的所述目标对象具有浸润性的目标概率，其中，所述目标特征用于表示所述待检测对象的所述目标部位中以所述目标对象为中心的目标空间范围；

基于所述目标数据模型的最后一个卷积特征层中各特征的权重确定所述目标对象各自对应的可信度，按照所述可信度由大到小选取目标个数的所述目标对象，根据选取的各目标对象具有浸润性的所述目标概率确定所述待检测对象的所述目标部位的识别结果，其中，所述识别结果用于指示所述待检测对象的所述目标部位的病症具有浸润性的概率。

2.根据权利要求1所述的方法，其特征在于，使用所述目标数据模型对所述三维图像信息进行处理，得到所述待检测对象的所述目标部位中的所述目标对象包括：

使用所述目标数据模型中的第一残差块和池化层对所述三维图像信息进行处理，提取出所述三维图像信息中包含的高层语义特征；

使用所述目标数据模型中的第二残差块和反卷积层对所述高层语义特征执行处理，从所述高层语义特征中恢复出用于解析目标分辨率的所述目标对象的分辨率特征；

根据所述分辨率特征，解析出所述待检测对象的所述目标部位中的所述目标对象。

3.根据权利要求1所述的方法，其特征在于，对所述目标图像进行预处理，得到所述预处理图像包括：

对所述目标图像进行轮廓检测，从所述目标图像中提取出所述待检测对象的所述目标部位，得到提取图像；

对所述提取图像执行差值处理，将所述提取图像中的每个图像体素插值为指定空间尺度，得到插值图像；

将所述插值图像中的每个图像体素的图像体素强度归一化到目标值，得到所述预处理图像。

4.根据权利要求1所述的方法，其特征在于，使用多组数据对卷积神经网络进行训练，确定目标数据模型包括：

获取所述多组数据中的每组数据中的所述样本对象的所述目标部位的所述三维图像信息和用于指示所述样本对象的所述目标部位中的所述目标对象是否具有浸润性的所述指示信息；

使用所述多组数据中的每组数据中的所述样本对象的所述目标部位的所述三维图像信息，以及用于指示所述样本对象的所述目标部位中的所述目标对象是否具有浸润性的所述指示信息，对所述卷积神经网络进行训练，得到所述目标数据模型。

5.根据权利要求1所述的方法，其特征在于，根据选取的各目标对象具有浸润性的所述目标概率确定所述待检测对象的所述目标部位的识别结果包括：

使用选取的各目标对象具有浸润性的所述目标概率，通过贝叶斯法则确定所述待检测对象的所述目标部位的所述识别结果。

6.根据权利要求1至5中任一项所述的方法，其特征在于，在根据计算出的所述目标概率，确定所述目标对象的所述识别结果之后，所述方法还包括：

将所述待检测对象的所述目标部位的所述识别结果，发送给发送所述目标图像的目标设备。