[发明专利]图像识别方法及装置

说明书

本申请是关于一种图像识别方法。该方法包括：获取三维成像图；通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及热度图，所述图像特征是用于指示所述三维成像图中的对象区域的特征；通过识别模型分支对所述图像特征以及所述热度图进行处理，获得所述三维成像图的图像属性；由于构建的热度图能够指示三维成像图的全局特性，能够携带的信息更多，因此基于热度图进行识别，能够提高图像识别的准确性。

技术领域

本申请实施例涉及机器学习技术领域，特别涉及一种图像识别方法及装置。

背景技术

随着机器学习算法的不断发展，机器学习算法在图像识别场景的应用也越来越广泛。

在一种图像识别场景中，可以借助于机器学习算法快速识别三维成像图，比如CT(Computed Tomography，电子计算机断层扫描)图像的属性，以便医护人员进一步做出准确的诊断。

在三维成像图中，通常包含一至多个与图像属性相关的目标对象，因此，以CT图为例，在相关技术中，预先训练两个独立的机器学习模型，其中，第一个机器学习模型通过预先人工标注好目标对象的CT图样本进行学习获得，第二个机器学习模型通过预先人工标注好属性的目标对象的CT图样本进行学习获得。在辅助医疗人员诊断时，通过将包含目标对象的对象区域的CT图输入第一个机器学习模型，以确定该CT图中的各个目标对象的位置，并根据目标对象的位置，从CT图中分割出各个目标对象的CT图，并将每个目标对象的CT图分别输入到第二个机器学习模型中，以确定各个目标对象的属性，最后根据各个目标对象的属性来判断CT图的图像属性。

由于目标对象并不包含目标对象的全部对象区域的信息，且人工标注目标对象的属性的误差较大，从而导致相关技术中训练出的模型的准确度不高，图像属性判断的准确性较低。

发明内容

本申请实施例提供了一种图像识别方法及装置，可以用于解决相关技术中训练出的模型的准确度不高，图像属性判断的准确性较低的问题，技术方案如下：

第一方面，提供了一种图像识别方法，所述方法包括：

获取待识别的三维成像图；

通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及热度图，所述图像特征是用于指示所述三维成像图中的对象区域的特征，所述热度图由所述特征提取模型分支根据所述图像特征构建生成，所述对象区域为目标对象所在的区域；

通过识别模型分支对所述图像特征以及所述热度图进行处理，获得所述三维成像图对应的识别结果，所述识别结果中包含所述三维成像图的图像属性。

第二方面，提供了一种图像识别装置，所述装置包括：

第一获取模块，用于获取待识别的三维成像图，所述肺病的病灶区域为肺部产生病变的区域；

第一处理模块，用于通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及热度图，所述图像特征是用于指示所述三维成像图中的对象区域的特征，所述热度图由所述特征提取模型分支根据所述图像特征构建生成，所述对象区域为目标对象所在的区域；

第二处理模块，用于通过识别模型分支对所述图像特征以及所述热度图进行处理，获得所述三维成像图对应的识别结果，所述识别结果中包含所述三维成像图的图像属性。

第三方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的图像识别方法。