[发明专利]分类方法、计算机设备和存储介质

权利要求书

1.一种分类方法，其特征在于，所述方法包括：

获取待检测图像的当前层切片对应的输入切片集；所述输入切片集包括所述当前层切片和所述当前层切片的关联层切片；

将所述当前层切片对应的输入切片集输入至预先训练好的多通道分类网络模型中，得到所述当前层切片的特征分类结果；所述多通道分类网络模型的通道数量与所述输入切片集的切片数量相匹配；

将所述当前层切片的特征分类结果输入第一分类器中，得到所述当前层切片的切片级分类结果；所述第一分类器为根据多个样本的切片的输入切片集、各所述样本的实际分类标签训练得到，用于确定切片分类的模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述待检测图像的各层切片的切片级分类结果；

将所述各层切片的切片级分类结果全部输入至第二分类器中，得到所述待检测图像的整体分类结果；所述第二分类器为根据多个样本各层切片的切片级分类结果、各所述样本的实际分类标签训练得到的模型。

3.根据权利要求1或2所述的方法，其特征在于，在所述获取待检测图像的当前层切片对应的输入切片集之前，所述方法包括：

获取所述当前层切片的关联层切片；所述关联层切片包括所述当前层切片的上一层切片和/或所述当前层切片的下一层切片。

4.根据权利要求3所述的方法，其特征在于，若所述当前层切片为所述待检测图像中的第一层切片，则所述关联层切片包括所述第一层切片的两个下一层切片；若所述当前层切片为所述待检测图像中的最后一层切片，则所述关联层切片包括所述最后一层切片的两个上一层切片。

5.根据权利要求1所述的方法，其特征在于，所述第一分类器的训练过程包括：

获取多个样本的各层切片的输入切片集、各所述样本的实际分类标签；

将各所述样本的各层切片的输入切片集输入至所述预先训练好的多通道分类网络模型，得到各所述样本的各层切片的特征分类结果；

根据各所述样本的各层切片的特征分类结果和各所述样本的实际分类标签，训练第一初始分类器，得到所述第一分类器。

6.根据权利要求2所述的方法，其特征在于，所述第二分类器的训练过程包括：

获取所述第一分类器输出的各层切片的切片级分类结果；

根据所述第一分类器输出的各层切片的切片级分类结果和各所述样本的实际分类标签，训练第二初始分类器，得到所述第二分类器。

7.根据权利要求1所述的方法，其特征在于，所述预先训练好的多通道分类网络模型包括基于自然图像识别数据集训练的网络模型、基于二维的稠密连接的网络模型、基于二维深层卷积的网络模型、基于二维稠密连接网络结合特征加权模块的网络模型中至少一个。

8.根据权利要求2所述的方法，其特征在于，所述第一分类器和所述第二分类器包括基于极端梯度提升的分类器、基于随机森林的分类器、基于人工神经网络的分类器中至少一个。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。