[发明专利]模型的训练方法、眼底黄斑区病变识别方法、装置及设备

权利要求书

1.一种目标识别模型的训练方法，其特征在于，所述方法包括：

获取识别目标在图像中的位置信息，并根据所述图像和所述位置信息确定所述目标识别模型的训练集；

通过所述训练集训练所述目标识别模型获取关于识别目标分类的第一损失函数；

通过所述训练集训练所述目标识别模型获取关于识别目标在图像中位置的第二损失函数；

根据所述第一损失函数和所述第二损失函数确定所述目标识别模型的模型参数，以完成所述目标识别模型的训练。

2.根据权利要求1所述的目标识别模型的训练方法，其特征在于，所述通过所述训练集训练所述目标识别模型获取关于识别目标分类的第一损失函数，包括：

通过所述训练集对所述目标识别模型的基础网络部分和第一分类网络部分进行第一训练；

确定所述第一训练的交叉熵损失函数为所述第一损失函数。

3.根据权利要求2所述的目标识别模型的训练方法，其特征在于，所述通过所述训练集训练所述目标识别模型获取关于识别目标在图像中位置的第二损失函数，包括：

通过所述训练集对所述目标识别模型的基础网络部分和第二分类网络部分进行第二训练；

确定所述第二训练的均方差损失函数为所述第二损失函数。

4.根据权利要求3所述的目标识别模型的训练方法，其特征在于，所述根据所述第一损失函数和所述第二损失函数确定所述目标识别模型的模型参数，包括：

对所述第一损失函数和所述第二损失函数采用梯度下降方式迭代计算所述目标识别模型的模型参数；

响应于所述第一损失值函数的损失值小于第一阈值，且所述第二损失函数的损失值小于第二阈值，获取所述基础网络部分的模型参数和所述第一分类网络部分的参数。

5.根据权利要求4所述的目标识别模型的训练方法，其特征在于，所述基础网络部分包括卷积神经网络，所述第一分类网络部分包括第一全连接层，所述第二分类网络部分包括卷积层和第二全连接层。

6.根据权利要求1至3中任意一项所述的目标识别模型的训练方法，其特征在于，所述图像为包含黄斑区的眼底图像，所述识别目标为所述黄斑区，其中：

所述获取识别目标在图像中的位置信息，并根据所述图像和所述位置信息确定所述目标识别模型的训练集，包括：

对于包含黄斑区的第一眼底图像，获取所述黄斑区在所述第一眼底图像中所处的位置信息；

对所述第一眼底图像进行关于黄斑区病变的标记；

确定标记后的第一眼底图像和所述位置信息为一组训练样本，得到所述训练集。

7.一种眼底黄斑区病变识别方法，其特征在于，所述方法包括：

获取待识别的眼底图像；

将所述眼底图像输出目标识别模型，根据所述目标识别模型的输出确定底黄斑区病变结果；其中，所述目标识别模型是根据权利要求1至6中任意一项所述的方法训练得到的。

8.一种目标识别模型的训练装置，其特征在于，所述装置包括：

训练集确定模块，被配置为获取识别目标在图像中的位置信息，并根据所述图像和所述位置信息确定所述目标识别模型的训练集；

第一损失函数获取模块，被配置为通过所述训练集训练所述目标识别模型获取关于识别目标分类的第一损失函数；

第二损失函数获取模块，被配置为通过所述训练集训练所述目标识别模型获取关于识别目标在图像中位置的第二损失函数；

模型参数确定模块，被配置为根据所述第一损失函数和所述第二损失函数确定所述目标识别模型的模型参数，以完成所述目标识别模型的训练。

9.一种眼底黄斑区病变识别装置，其特征在于，所述装置包括：

眼底图像获取模块，被配置为获取待识别的眼底图像；

黄斑区病变识别模块，被配置为将所述眼底图像输出目标识别模型，根据所述目标识别模型的输出确定底黄斑区病变结果；其中，所述目标识别模型是根据权利要求1至6中任意一项所述的方法训练得到的。

10.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6中任意一项所述的目标识别模型的训练方法，和实现如权利要求7中所述的眼底黄斑区病变识别方法。