[发明专利]精子细胞识别方法、装置、计算机设备和存储介质

权利要求书

1.一种精子细胞识别方法，其特征在于，所述方法包括：

获取待识别图像、预设卷积核以及预设尺度变换比例；

提取所述待识别图像中的图像特征，得到特征图像；

根据所述预设的卷积核以及所述预设尺度变换比例，对所述特征图像进行多尺度变换，得到具有多个卷积特征图像的多层级图像金字塔；

基于所述预设的尺度变换比例，获取与位于所述图像金字塔中目标层级的卷积特征图像相关联的第一中间结果；

根据所述第一中间结果以及所述预设的尺度变换比例，分别获取与所述图像金字塔中，除位于顶层卷积特征图像以及位于目标层级的卷积特征图像之外的卷积特征图像相关联的第二中间结果；

基于预训练的分类子网络以及回归子网络对所述第一中间结果和第二中间结果进行分类，得到所述待识别图像中的精子细胞的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预设的卷积核以及所述预设尺度变换比例，对所述特征图像进行多尺度变换，得到具有多个卷积特征图像的多层级图像金字塔包括：

对所述特征图像按照预设的尺度变换比例进行多尺度特征变换，得到具有多个第一特征图像的多层级特征金字塔；

根据所述预设卷积核，对所述特征金字塔中的每个第一特征图像进行卷积处理，得到具有多个卷积特征图像的多层级图像金字塔。

3.根据权利要求2所述的方法，其特征在于，所述预设卷积核为1*1卷积核；所述根据所述预设卷积核，对所述特征金字塔中的每个第一特征图像进行卷积处理，得到具有多个卷积特征图像的多层级图像金字塔包括：

分别基于所述1*1卷积核对所述特征金字塔中的每个第一特征图像进行卷积计算，得到卷积特征图像集；

确定所述卷积特征图像集中每个卷积特征图像的特征尺度；

基于所述特征尺度对所述卷积特征图像集中每个卷积特征图像进行排序，得到图像金字塔。

4.根据权利要求1所述的方法，其特征在于，所述基于所述预设的尺度变换比例，获取与位于所述图像金字塔中目标层级的卷积特征图像相关联的第一中间结果包括：

提取所述图像金字塔中的位于顶层以及目标层级的卷积特征图像；

按照所述预设尺度变换比例，对位于顶层的卷积特征图像进行尺度变换；

将所述目标层级的卷积特征图像与尺度变换后的位于顶层的卷积特征图像进行像素叠加，得到与所述目标层级的卷积特征图像相关联的第一中间结果。

5.根据权利要求1所述的方法，其特征在于，所述图像金字塔的层级大于等于三；所述根据所述第一中间结果以及所述预设的尺度变换比例，分别获取与所述图像金字塔中，除位于顶层卷积特征图像以及位于目标层级的卷积特征图像之外的卷积特征图像相关联的第二中间结果包括：

确定所述图像金字塔中除顶层卷积特征图像以及目标层级的卷积特征图像之外的当前层级卷积特征图像；

基于所述预设的尺度变换比例，对第一中间结果进行尺度变换；

将所述尺度变换后的第一中间结果与所述当前层级卷积特征图像进行像素叠加，得到与所述当前层级卷积特征图像相关联的第二中间结果；

将下一层级的卷积特征图像作为当前层级的卷积特征图像，将第二中间结果作为第一中间结果，并返回基于所述预设的尺度变换比例，对第一中间结果进行尺度变换的步骤，直至遍历完整个图像金字塔。