[发明专利]一种图像检测方法、网络模型训练方法以及相关装置

说明书

本申请公开了一种图像检测方法、网络模型训练方法以及相关装置，通过获取目标领域下的待检测图像，然后将该待检测图像输入用于去除背景的第一网络模型，以确定至少一个感兴趣区域；并将至少一个该感兴趣区域输入第二网络模型，以得到至少一个该感兴趣区域在源领域数据中对应的判别特征，该源领域数据用于指示标注数据，进而根据该判别特征确定检测结果。从而实现了目标领域下的图像检测，使得目标领域下的未标注数据可以通过源领域的标注数据进行标注确定，减少了因领域改变而造成的检测误差，提高了图像检测的准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像检测方法、网络模型训练方法以及相关装置。

背景技术

随着计算机性能的提高，深度神经网络的优异表现令人瞩目，其中图像检测是神经网络的一个应用，其任务是检测图片中感兴趣物体的位置与类别，相比于图片分类，其需要更细粒度的标注，这提高了标注数据的获取成本以及工作量。

一般采用训练集，即源领域数据对网络模型进行训练，以得到图像特征与标注之间的对应关系，然后用该网络模型处理目标领域数据以得到相关特征。

但是，由于源领域和目标领域数据的采集往往处于不同的环境，此时两者的分布通常存在差异，例如亮度、角度、清晰度等方面，此时通过训练集训练的神经网络模型在测试集中的表现通常会下降，而且会造成图像检测结果的误差，影响图像检测的准确性。

发明内容

有鉴于此，本申请提供一种图像检测的方法，可以有效减小图像领域变化造成的检测误差，提高图像检测的准确性。

本申请第一方面提供一种图像检测的方法，可以应用于医疗图像检测的系统或程序中，具体包括：获取待检测图像，所述待检测图像为目标领域数据，所述目标领域数据用于指示未标注的数据；

将所述待检测图像输入第一网络模型，以确定至少一个感兴趣区域，所述第一网络模型用于去除所述待检测图像的背景；

将至少一个所述感兴趣区域输入第二网络模型，以得到至少一个所述感兴趣区域在源领域数据中对应的判别特征，所述源领域数据用于指示标注数据，所述第二网络模型通过所述感兴趣区域关联所述源领域数据和多个所述目标领域数据，所述判别特征为所述感兴趣区域中的用于确定检测结果的关键区域；

根据所述判别特征确定检测结果，所述检测结果用于指示所述待检测图像中所述感兴趣区域的位置以及对应的标注数据。

可选的，在本申请一些可能的实现方式中，所述待检测图像为医疗检测图像，所述感兴趣区域的位置为病灶的位置，所述标注数据为所述病灶的类型。

可选的，在本申请一些可能的实现方式中，所述将所述待检测图像输入第一网络模型，以确定至少一个感兴趣区域，包括：

在所述待检测图像上生成至少一个锚框；

将所述锚框输入第一网络模型，以得到包含前景的锚框，所述前景用于指示所述待检测图像中的有效数据；

根据所述包含前景的锚框确定至少一个感兴趣区域。

可选的，在本申请一些可能的实现方式中，所述根据所述判别特征确定检测结果，包括：

获取所述判别特征对应的区域；

若所述判别特征对应的区域满足预设条件，则根据所述判别特征确定检测结果，所述预设条件基于所述判别特征对应的区域中背景的占比设定。

可选的，在本申请一些可能的实现方式中，所述获取待检测图像之后，所述方法还包括：

获取所述待检测图像对应的目标领域数据的参数；

将所述待检测图像对应的目标领域数据的参数调整为所述源领域中对应的参数，以得到图像转换后的待检测图像；