[发明专利]样本数据获取方法、获取系统、服务器和计算机可读介质

说明书

本公开提供了一种样本数据获取方法，包括：构建母样本图片数据库；对母样本图片数据库进行多次采样，以得到对应的多个母样本图片集合；针对每一个母样本图片集合，采用具有预定尺寸的选取框从该母样本图片集合内的每一张母样本图片中均提取出多张子样本图片，并为每张子样本图片赋予初步类标，以得到每一个母样本图片集合所对应的子样本图片集合；针对每一个子样本图片集合，以该子样本图片集合内所包含的全部子样本图片作为训练样本数据，训练出各子样本图片集合所对应的样本分类模型；针对每一张子样本图片，将该子样本图片分别输入至各样本分类模型中，并选取频数最大的一个分类结果作为该子样本图片的标定类标。

技术领域

本公开涉及深度学习领域，特别涉及样本数据获取方法、获取系统、服务器和计算机可读介质。

背景技术

在基于深度学习(Deep Learning)技术训练用于针对特定任务的检测模型时，需要预先采集大量具有标定类别的训练样本数据。

然而，在实际应用中发现，对于一些特殊任务，难以获得大量的被标注(具有标定类别)的小尺寸样本；例如，在针对眼底图片的病灶检测任务中，为实现所训练出的检测模型能够检测出眼底图片中是否存在病灶，并在检测出存在病灶时对病灶位置进行定位，则需要获取到大批量的小尺寸(patch)级或像素级的病灶标注样本数据，当前只能通过人工在眼底图片中进行选取、标注的方式进行样本采集。上述人工采样方式存在如下问题：1)由于病变形态复杂，医生标注存在很强的主观性，边界划分比较随意，专业的眼科医生也很难界定病灶边界像素的属性问题，即标注难度大；2)医生手动标注的耗时长，获取样本的标定类别的成本高，即难以获取大量样本。

发明内容

本公开旨在至少解决现有技术中存在的技术问题之一，提出了一种样本数据获取方法、获取系统、服务器和计算机可读介质。

第一方面，本公开实施例提供了一种样本数据获取方法，包括：

构建母样本图片数据库，所述母样本图片数据库包括：具有标定类标的多张母样本图片；

对所述母样本图片数据库进行多次采样，以得到对应的多个母样本图片集合，每个所述母样本图片集合包括多张母样本图片；

针对每一个所述母样本图片集合，采用具有预定尺寸的选取框从该母样本图片集合内的每一张所述母样本图片中均提取出多张子样本图片，并为每张所述子样本图片赋予初步类标，以得到每一个所述母样本图片集合所对应的子样本图片集合，所述子样本图片的初步类标为其所属母样本图片的标定类标，其中所述选取框的尺寸小于所述母样本图片的尺寸；

针对每一个所述子样本图片集合，以该子样本图片集合内所包含的全部所述子样本图片以及各所述子样本图片对应的初步类标作为训练样本数据，训练出各所述子样本图片集合所对应的样本分类模型；

针对每一个子样本图片集合中的每一张子样本图片，将该子样本图片分别输入至各所述样本分类模型中，以供各所述样本分类模型分别输出相应的分类结果，并选取频数最大的一个分类结果作为该子样本图片的标定类标。

在一些实施例中，所述母样本图片的形状为正方形；

所述选取框的形状为正方形；

所述选取框的边长与所述母样本图片的边长的比值等于第一预定系数q，其中0＜q＜1。

在一些实施例中，在所述针对每一个子样本图片集合中的每一张子样本图片，将该子样本图片分别输入至各所述样本分类模型中，以供各所述样本分类模型分别输出相应的分类结果，并选取频数最大的一个分类结果作为该子样本图片的标定类标的步骤之后，还包括：

判断所述子样本图片的边长是否小于或等于预定长度阈值；

当判断出所述子样本图片的边长小于或等于所述预定长度阈值时，则流程结束；