[发明专利]一种基于人工智能的免标记仪器设备特征锚点检测方法

摘要

本发明提供一种基于人工智能的免标记仪器设备特征锚点检测方法，包括：采集足够表征该仪器设备操作过程的图像或该仪器设备完整操作过程视频，使用k‑means对筛选N_a张图像，其中N_tr张训练图像及N_te张测试图像；在N_tr张训练图像、N_te张测试图像上标记需要检测的特征锚点，生成训练响应图像、测试响应图像；以训练图像作为输入，训练响应图像作为输出，训练DeepLabCut卷积神经网络，达到收敛目标后，形成训练完成的神经网络；将测试图像输入到卷积网络中，以输出响应图像上的最大响应值点作为检出锚点，并计算检出锚点与实际锚点间的距离，用于评价网络效果；将任意需要提取特征锚点的图像输入卷积神经网络，输出特征锚点、对应位置及其置信度。

主权项

1.一种基于人工智能的免标记仪器设备特征锚点检测方法，其特征在于，所述方法包括样本采集与筛选、样本标注、网络训练、网络评价与网络使用，具体包括以下步骤：A采集足够表征该仪器设备操作过程的图像或该仪器设备完整操作过程视频，使用k‑means对所有图像或视频的所有帧进行分析，并筛选N_a张图像，其中N_tr张训练图像及N_te张测试图像B在N_tr张训练图像、N_te张测试图像上标记需要检测的特征锚点，记录所有n_ap个特征锚点在图像中的坐标，按照特征锚点生成训练响应图像与测试响应图像C以训练图像作为输入，训练响应图像作为输出，训练DeepLabCut卷积神经网络，使用训练响应图像的交叉熵损失作为训练的目标，经过Nstep后或达到收敛目标后，形成训练完成的神经网络；D将测试图像输入到卷积网络中，以输出响应图像上的最大响应值点作为检出锚点，以测试响应图像上的最大响应值点作为实际锚点，计算检出锚点与实际锚点间的距离，用于评价网络效果；E将任意需要提取特征锚点的图像输入卷积神经网络，输出特征锚点序号n_ap(n_ap＝1,2,3...N_ap)、对应位置及特征锚点对应序号对应的测试图像的特征锚点的置信度