[发明专利]神经网络训练与图像处理方法及装置

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

根据第一样本图像，对神经网络进行训练，获得第一训练状态的神经网络，所述第一样本图像具有区域标注信息；

根据第二样本图像、所述第一样本图像，对所述第一训练状态的神经网络进行训练，获得第二训练状态的神经网络，所述第二样本图像具有类别标注信息。

2.根据权利要求1所述的方法，其特征在于，根据第二样本图像、所述第一样本图像，对所述第一训练状态的神经网络进行训练，获得第二训练状态的神经网络，包括：

使用第i个训练周期的神经网络对第二样本图像进行检测处理，获得第二样本图像中的第一预测区域，其中，i为正整数，所述第i个训练周期为将所述第一训练状态的神经网络训练成为第二训练状态的神经网络的多个训练周期中的任意一个训练周期；

使用具有类别标注信息和所述第一预测区域的第二样本图像以及具有区域标注信息的第一样本图像训练所述第i个训练周期的神经网络，获得第i+1个训练周期的神经网络；

在所述神经网络满足第一训练条件时，获得所述第二训练状态的神经网络。

3.根据权利要求2所述的方法，其特征在于，使用第i个训练周期的神经网络对具有类别标注信息的第二样本图像进行检测处理，获得第二样本图像中的第一预测区域，包括：

使用所述第i个训练周期的神经网络对具有类别标注信息的第二样本图像进行检测处理，获得第二样本图像中的第一样本区域；

在所述第一样本区域中，确定出置信度大于或等于第一置信度阈值的第二样本区域；

根据所述类别标注信息，在所述第二样本区域中确定出所述第一预测区域。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据未标注的第三样本图像、所述第二样本图像、所述第一样本图像，对所述第二训练状态的神经网络进行训练，获得训练后的神经网络。

5.根据权利要求4所述的方法，其特征在于，根据未标注的第三样本图像、所述第二样本图像、所述第一样本图像，对所述第二训练状态的神经网络进行训练，获得训练后的神经网络，包括：

使用第j个训练周期的神经网络对未标注的第三样本图像进行检测处理，获得第三样本图像中的第二预测区域，其中，j为正整数，所述第j个训练周期为将所述第二训练状态的神经网络训练成为训练后的神经网络的多个训练周期中的任意一个训练周期；

使用具有区域标注信息的第一样本图像、具有类别标注信息和所述第一预测区域的第二样本图像以及具有第二预测区域的第三样本图像训练所述第j个训练周期的神经网络，获得第j+1个训练周期的神经网络；

在所述神经网络满足第二训练条件时，获得所述训练后的神经网络。

6.根据权利要求5所述的方法，其特征在于，使用第j个训练周期的神经网络对未标注的第三样本图像进行检测处理，获得第三样本图像中的第二预测区域，包括：

使用所述第j个训练周期的神经网络对所述第三样本图像进行检测处理，获得第三样本图像中的第三样本区域；

在所述第三样本区域中，确定出置信度大于或等于第二置信度阈值的第二预测区域。

7.根据权利要求6所述的方法，其特征在于，在所述第三样本区域中，确定出置信度大于或等于第二置信度阈值的第二预测区域，包括：

根据所述第三样本区域的尺寸确定第三样本区域的置信度；

根据所述第三样本区域的置信度，确定所述第二预测区域。

8.根据权利要求1-7中任一项所述的方法，其特征在于，所述第一样本图像的数量小于第二样本图像的数量，所述第二样本图像的数量小于第三样本图像的数量。

9.根据权利要求1-8中任一项所述的方法，其特征在于，所述第一样本图像、所述第二样本图像和所述第三样本图像为医学影像。