[发明专利]用于生成图像的方法和装置在审

专利信息
申请号: 201910290517.1 申请日: 2019-04-11
公开(公告)号: CN110009626A 公开(公告)日: 2019-07-12
发明(设计)人: 杨大陆;杨叶辉;王磊;许言午;黄艳 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/90;G06N3/04;G06K9/00;G06K9/62
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 眼底图像 预处理 方法和装置 关注区域 生成图像 预定类型 处理器 图像 生成模型 图像类型 图像区域 运算资源 应用类 运算量 映射 激活
【权利要求书】:

1.一种用于生成图像的方法,所述方法包括:

获取眼底图像;

对所述眼底图像进行预处理,得到预处理眼底图像;

将所述预处理眼底图像输入预先训练的眼底图像识别模型,得到眼底图像类型信息,所述眼底图像识别模型包括特征图提取层、全局平均池化层、全局最大池化层、全连接层;

响应于所述眼底图像类型信息指示的眼底图像类型为预定类型,基于所述特征图提取层提取的特征图和类激活映射,生成模型关注区域图像;

基于所述模型关注区域图像和所述眼底图像,生成包括预定类型图像区域的眼底图像。

2.根据权利要求1所述的方法,其中,所述对眼底图像进行预处理包括:

确定所述眼底图像是否为绿色通道眼底图像;

响应于确定所述眼底图像是绿色通道眼底图像,对所述眼底图像进行以下操作中的至少一项:数据标准化处理,尺寸规范化处理;

响应于确定所述眼底图像不是绿色通道眼底图像,对所述眼底图像进行绿色通道图像提取处理,得到绿色通道眼底图像;

对所述眼底图像的绿色通道眼底图像进行以下操作中的至少一项:数据标准化处理,尺寸规范化处理。

3.根据权利要求1所述的方法,其中,所述眼底图像识别模型是通过以下方式训练得到的:

获取训练样本集合,其中,训练样本包括样本眼底图像和用于标识样本眼底图像的图像类型的样本类型信息;

从所述训练样本集合中选取至少两个训练样本,以及执行以下训练步骤:将选取的至少两个训练样本中的每个样本眼底图像依次输入初始眼底图像识别模型,得到所述至少两个训练样本中的每个样本眼底图像所对应的图像类型信息;将所述至少两个训练样本中的每个样本眼底图像所对应的图像类型信息与该样本眼底图像所对应的样本类型信息进行比较,得到所述初始眼底图像识别模型的预测准确率,确定所述预测准确率是否大于预设准确率阈值,响应于确定所述预测准确率大于预设准确率阈值,将所述初始眼底识别模型确定为眼底识别模型;

响应于确定所述预测准确率不大于预设准确率阈值,调整所述初始眼底识别模型中的相关参数,以及从所述训练样本集合中重新选取至少两个训练样本,使用调整后的初始眼底图像识别模型作为初始眼底识别模型,再次执行所述训练步骤。

4.根据权利要求1所述的方法,其中,基于所述模型关注区域图像和所述眼底图像,生成包括预定类型图像区域的眼底图像,包括:

根据预设第二阈值,将所述模型关注区域图像进行图像阈值化处理,得到阈值化模型关注区域图像;

根据所述阈值化模型关注区域图像与所述眼底图像的像素位置对应关系,生成初始包括预定类型图像区域的眼底图像;

根据预设第三阈值,将所述初始包括预定类型图像区域的眼底图像进行小波阈值去噪处理,生成包括预定类型图像区域的眼底图像。

5.根据权利要求1所述的方法,其中,所述方法还包括:

将所述包括预定类型图像区域的眼底图像发送给目标显示设备,以及控制所述目标显示设备对所述包括预定类型图像区域的眼底图像进行显示。

6.一种用于生成图像的装置,包括:

获取单元,被配置成获取眼底图像;

预处理单元,被配置成对所述眼底图像进行预处理,得到预处理眼底图像;

识别单元,被配置成将所述预处理眼底图像输入预先训练的眼底图像识别模型,得到眼底图像类型信息,所述眼底图像识别模型包括特征图提取层、全局平均池化层、全局最大池化层、和全连接层;

第一生成单元,被配置成响应于所述眼底图像类型信息指示的眼底图像类型为预定类型,基于所述特征图提取层提取的特征图和类激活映射,生成模型关注区域图像;

第二生成单元,被配置成基于所述模型关注区域图像和所述眼底图像,生成包括预定类型图像区域的眼底图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910290517.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top