[发明专利]图像识别方法、装置、系统及内窥镜图像识别方法、装置

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取原始图像，将所述原始图像输入至图像识别模型，所述图像识别模型包含网络主体结构和与所述网络主体结构连接的多个对应不同任务的输出层；

通过所述网络主体结构对所述原始图像中的目标对象进行特征提取，以获取与所述目标对象对应的图像特征；

通过各所述输出层对所述图像特征中与各所述任务对应的子图像特征进行分类，以输出与所述目标对象对应的分类结果和表征信息。

2.根据权利要求1所述的图像识别方法，其特征在于，所述网络主体结构包含起始卷积层、多个稠密卷积神经网络模块、用于连接相邻的所述稠密卷积神经网络模块的过渡层和终止池化层；

所述通过所述网络主体结构对所述原始图像中的目标对象进行特征提取，以获取与所述目标对象对应的图像特征，包括：

通过所述起始卷积层对所述目标对象进行特征提取，以获取第一特征信息；

通过依次连接的所述稠密卷积神经网络模块和所述过渡层对所述第一特征信息进行特征提取，以获取第二特征信息，其中所述稠密卷积神经网络模块的输出信息包括所述稠密卷积神经网络模块中各特征提取层所提取的图像特征，所述过渡层用于对所述稠密卷积神经网络模块的输出信息进行下采样；

通过所述终止池化层对所述第二特征信息进行全局平均池化，以获取与所述目标对象对应的图像特征。

3.根据权利要求1所述的图像识别方法，其特征在于，所述输出层包括全连接层和归一化层；

所述通过各所述输出层对所述图像特征中与各所述任务对应的子图像特征进行分类，以输出与所述目标对象对应的分类结果和表征信息，包括：

从多个所述输出层中确定目标输出层，获取所述目标输出层对应的目标任务，并根据所述目标任务从所述图像特征中获取与所述目标任务对应的目标子图像特征；

通过所述全连接层对所述目标子图像特征进行全连接，以获取第三特征信息；

通过所述归一化层对所述第三特征信息中的子特征信息进行归一化处理，以获取与所述子特征信息对应的概率值；

根据所述概率值确定与所述目标任务对应的输出信息，并将所述输出信息作为所述分类结果或所述表征信息。

4.根据权利要求1所述的图像识别方法，其特征在于，在将所述原始图像输入至图像识别模型之前，所述方法还包括：

获取训练数据集，所述训练数据集包括图像样本和与所述图像样本对应的多个标签样本，其中各所述标签样本与各所述任务相对应；

根据所述图像样本和所述标签样本对待训练图像识别模型进行训练，以获取所述图像识别模型。

5.根据权利要求4所述的图像识别方法，所述根据所述图像样本和所述标签样本对待训练图像识别模型进行训练，以获取所述图像识别模型，包括：

根据目标任务从所述标签样本中确定目标标签样本；

将所述图像样本输入至所述待训练图像识别模型，通过所述待训练图像识别模型对所述图像样本中的目标对象进行特征提取，以使与所述目标任务对应的输出层输出预测信息；

根据所述预测信息、所述目标标签样本和损失函数确定损失值，并通过优化所述待训练图像识别模型的参数使所述损失值最小，以完成对所述待训练图像识别模型的训练。

6.根据权利要求4所述的图像识别方法，在根据所述图像样本和所述标签样本对待训练图像识别模型进行训练之前，所述方法还包括：

获取基于自然图像训练得到的图像识别模型的模型参数，将所述模型参数作为初始值对所述网络主体结构进行初始化；

通过随机初始化的方式对所述输出层进行初始化。

7.一种内窥镜图像识别方法，其特征在于，包括：

获取原始内窥镜图像，将所述原始内窥镜图像输入至图像识别模型，所述图像识别模型包含网络主体结构和与所述网络主体结构连接的多个对应不同任务的输出层；

通过所述网络主体结构对所述原始内窥镜图像中的病灶进行特征提取，以获取与所述病灶对应的图像特征；

通过各所述输出层对所述图像特征中与各所述任务对应的子图像特征进行分类，以输出与所述病灶对应的诊断结果和辅助诊断信息。