[发明专利]基于特征融合和注意力的真菌目标检测方法

说明书

本发明公开了一种基于特征融合和注意力的真菌目标检测方法，主要解决现有技术中普适性不高以及不能充分利用多层次特征的问题。本发明的具体步骤如下：(1)构建基于特征融合和注意力的检测网络；(2)构造训练集；(3)训练基于特征融合和注意力的检测网络；(4)对真菌图像进行检测。本发明能够对真菌的多层次特征进行融合，提取判别性更好、语义信息更丰富的特征，并使用注意力机制进行特征增强，抑制噪声信息，提高了真菌检测的精度。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像目标检测技术领域中的一种基于特征融合和注意力的真菌目标检测方法。本发明可应用于对真菌显微图像中的目标进行识别和检测。

背景技术

目前，形态学鉴定法是真菌的检测中使用的主要技术，医生需要将受感染的样本送到实验室进行培育、检查和分析。其具体流程为：首先通过人工培养样本形成菌落，然后将菌落取样，放置在载玻片上，染色后在显微镜下人工阅片。该镜检方法操作简单，成本低廉，但以手工操作和人工肉眼判断为主的操作方法，对技术人员依赖性强。此外，人工显微镜阅片花费时间长，并不能满足目前的需求。在针对真菌显微图像的图像处理技术中，基于特征工程的方法需要针对特定真菌的形态，通过人工设计提取特征信息对真菌进行分类识别。但真菌不同类别间的相似性高，特征工程的方法无论是在精度上，还是在适用性上都无法满足人们的要求。基于深度学习的方法具有更强大的特征学习与表达的能力，能够极大地提高检测精度，但目前的方法中对真菌目标尺度差异大和目标背景噪声多的问题还没有很好地解决。

南京天数信息科技有限公司在其申请的专利文献“基于InceptionV3+全连接网络的皮肤真菌识别检测方法”(申请号：201710551849.1申请日：2017.07.07申请公布号：CN107358193A)中公开了一种基于深度学习的皮肤真菌识别检测方法。其步骤为：一、获得皮肤真菌图像集，并对所述皮肤真菌图像集内的图像进行预处理；二、利用InceptionV3+卷积层提取所述皮肤真菌图像集内预处理后图像的图像特征；三、构建两层全连接网络，并利用提取图像特征训练所述两层全连接网络，从而形成基于皮肤真菌图像的预测模型；四、利用所述预测模型对新的皮肤真菌图像进行真菌类别预测。该方法存在的不足是，由于两层全连接网络的网络参数量大，检测真菌目标的速度较慢，因此无法实现对真菌目标的实时检测。

武汉爱尔眼科汉口医院有限公司在其申请的专利文献“一种基于卷积神经网络的真菌性角膜炎检测方法及系统”(申请号：CN201910053823.3申请日：2019-01-21申请公布号：CN109829901A)中公开了一种基于深度学习的皮肤真菌识别检测方法。其步骤为：一、采集训练样本集，将所述训练样本集划分为有真菌菌丝图片集和无真菌菌丝图片集；二、对训练样本集进行预处理；三、构建卷积神经网络，将最后一层作为预测层；四、将预处理后的训练样本集作为训练数据输入到所述卷积神经网络中，通过梯度下降法与反向传播算法进行迭代训练，得到具有识别真菌菌丝功能的检测模型。五、利用所述检测模型，对待检测样本进行检测，并输出检测结果。该方法存在的不足是，只采用特征层的最后一层对目标进行预测。该层特征图分辨率低，位置信息较少。因此小目标的定位精度不足，从而导致小目标的检测效果较差。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于特征融合和注意力的真菌目标检测方法，旨在解决真菌检测中目标尺度差异大，背景噪声较多的问题。

实现本发明目的的思路是：构建并训练一个将多层次特征层进行融合，并使用高层特征提取注意力权重来约束相邻浅层特征层的检测网络，通过特征融合的方式将浅层特征层的细节信息和定位信息与深层特征层的语义信息结合起来，以更好地解决真菌目标尺度差异大的问题，通过注意力的方式自适应地强化真菌特征并抑制背景噪声。

本发明的具体步骤包括如下：

(1)构建基于特征融合和注意力的检测网络：

(1a)构建一个29层的基础特征提取网络并设置各层的参数；