[发明专利]一种图像可信度的确定方法、装置及电子设备、存储介质

说明书

本申请涉及图像处理，应用于智慧医疗领域中，公开了一种图像可信度的确定方法，所述方法包括：通过图像分类模型中的各个网络层对样本图像进行图像分类处理，基于分类计算层的输出结果确定样本图像属于各个图像类别的预测概率，并获取防过拟合层输出的样本图像对应的特征图像。基于识别结果确定特征图像对应的第一特征参数和第二特征参数，并基于第一特征参数和第二特征参数确定样本图像属于各个图像类别的计算概率，分别确定各个图像类别下的预测概率和计算概率之间的相似度，进而基于各个图像类别下的相似度确定样本图像的可信度，有利于高效地确定样本图像的可信度。此外，本申请还涉及区块链技术，所述预测概率和计算概率可存储于区块链中。

技术领域

本申请涉及图像处理技术领域，应用于智慧医疗领域中，尤其涉及一种图像可信度的确定方法、装置及电子设备、存储介质。

背景技术

目前，在图像分类问题中，关注点大多聚焦于图像分类模型的预测精度。为了提高图像分类模型的预测精度，通常采用大量的样本图像对图像分类模型进行训练，针对图像分类模型的训练以拟合目标为目的，力求预测结果无限接近训练目标。而这一学习训练的前提是样本图像真实无疑，若忽略样本图像的可信度而一味追逐结果的无限接近，并以此评估图像分类模型的预测精度，将会严重影响图像分类模型实际输出的图像分类结果的精度和可信度。因此，在通过样本图像对图像分类模型进行训练的过程中，如何确定样本图像的可信度，成为一个亟待解决的问题。

发明内容

本申请实施例提供了一种图像可信度的确定方法、装置及电子设备、存储介质，有利于高效地确定样本图像的可信度。

一方面，本申请实施例提供了一种图像可信度的确定方法，所述方法包括：

通过图像分类模型中的各个网络层对样本图像进行图像分类处理，所述各个网络层包括分类计算层和防过拟合层；

基于所述分类计算层的输出结果确定所述样本图像属于各个图像类别的预测概率；

获取所述防过拟合层输出的所述样本图像对应的特征图像；

识别所述特征图像，并基于识别结果确定所述特征图像对应的第一特征参数和第二特征参数；

基于所述第一特征参数和所述第二特征参数确定所述样本图像属于所述各个图像类别的计算概率；

分别确定所述各个图像类别下的所述预测概率和所述计算概率之间的相似度，并基于所述各个图像类别下的所述相似度确定所述样本图像的可信度。

在一个实施例中，所述识别结果包括所述特征图像的大小和所述特征图像中每一个特征点的值，所述基于识别结果确定所述特征图像对应的第一特征参数和第二特征参数的具体实施方式为：对所述特征图像中每一个特征点的值进行求和计算，并基于求和计算结果和所述特征图像的大小确定所述特征图像对应的第一特征参数；确定每一个特征点的值与所述第一特征参数的差值；对每一个所述差值进行求和计算，并基于针对所述差值的求和计算结果和所述特征图像的大小确定所述特征图像对应的第二特征参数。

在一个实施例中，所述基于所述第一特征参数和所述第二特征参数确定所述样本图像属于所述各个图像类别的计算概率的具体实施方式为：基于预设概率算法对所述第一特征参数和所述第二特征参数进行计算，确定所述样本图像属于所述各个图像类别的初始概率；对各个所述初始概率进行归一化处理，得到所述样本图像属于所述各个图像类别的计算概率。

在一个实施例中，所述确定所述样本图像的可信度之后，还可以获取用于对所述图像分类模型进行训练的多个样本图像的可信度；基于所述多个样本图像的可信度，确定通过所述多个样本图像进行训练后得到的图像分类模型的可信度。

在一个实施例中，所述基于所述各个图像类别下的所述相似度确定所述样本图像的可信度之后，还可以将所述样本图像的可信度与第一可信度阈值进行对比；若对比得到所述样本图像的可信度大于所述第一可信度阈值，则对所述样本图像添加可信样本标签。