[发明专利]从大视野图像中检测被感染对象的方法及执行其的非暂时性计算机可读存储介质

权利要求书

1.一种从大视野图像中检测被感染对象的计算机实现的方法，包括：

由处理器接收第一组训练图像，所述第一组训练图像中的至少一个特定图像在该图像的总面积的一半以上捕获特定类型(type)的对象；

由处理器建立基于所述第一组训练图像的第一数字模型，所述第一数字模型被配置为接收第一输入图像的特征向量的列表，并确定所述第一输入图像是否捕获了所述特定类型的对象；

接收第二组训练图像，对于多个类(class)中的每一个，第二组训练图像中的至少一个具体图像捕获所述特定类型的对象，其在所述具体图像的总面积的一半以上与所述类相关

用在多个比例上被调整大小的所述第二组训练图像的组的副本在所述多个比例上增强所述第二组训练图像，以生成包括所述第二组训练图像的训练图像增强组；

基于所述训练图像增强组，创建第二数字模型，所述第二数字模型被配置为接收捕获所述特定类型的多个对象的第二输入图像，并且确定所述第二输入图像的区域是否捕获与所述多个类中的任一个相关的所述特定类型的对象；

接收捕获所述特定类型的多个对象的第三输入图像；

使用所述第一数字模型从所述第三输入图像中识别多个区域；

使用所述第二数字模型为所述第三输入图像计算一组特征矩阵；

将所述多个区域中的候选区域映射回所述第三输入图像以获得映射区域；

基于所述映射从所述一组特征矩阵的每一个中识别对应的部分；和

使用所述第二数字模型来确定所述候选区域是否可能捕获与所述多个类中的一个相关的所述特定类型的对象；

导致显示与所述确定相关的信息。

2.如权利要求1所述的计算机实现的方法，其中所述第一组训练图像包括：

标记为正样本的第一图像子集，其中，对于所述第一图像子集的每个具体正图像，所述特定类型的对象以所述具体正图像总面积的一半以上被捕获；以及

标记为负样本的第二个图像子集，其中，对于所述第二图像子集中的每个具体负图像，在所述具体负图像中捕获两个或多个对象，其中一个对象以不到所述具体负图像总面积的一半而被捕获，或在所述具体负图像中没有对象被捕获。

3.如权利要求1所述的计算机实现的方法，其中所述第一数字模型实施支持向量机(SVM)模型，所述支持向量机(SVM)模型被配置为确定所述第一输入图像是否捕获所述特定类型的对象。

4.如权利要求1所述的计算机实现的方法，其中所述第一输入图像的特征向量列表包括所述第一输入图像的方向梯度直方图(HOG)值。

5.如权利要求1所述的计算机实现的方法，其中所述第二数字模型实施卷积神经网络，包括：

卷积层集，被配置为为所述第二输入图像生成特征矩阵；

全连接层，被配置为基于所述特征矩阵确定所述第二输入图像的区域是否捕获与所述多个类中的任一个相关的所述特定类型的对象。

6.如权利要求5所述的计算机实现的方法，其中所述卷积神经网络还包括关注区域池化层，其被配置为生成所述第二输入图像的区域的固定长度表示；并且

其中来自关注区域池化层的输出数据成为全连接层的输入数据。

7.如权利要求1所述的计算机实现的方法，还包括，在接收到所述第二组训练图像后，将所述第二组训练图像中的每个训练图像修剪为固定大小。

8.如权利要求1所述的计算机实现的方法，还包括：

使用所述第二组训练图像的至少一个子集作为生成对抗网络的输入来生成另外的训练图像组；并且

将所述另外的训练图像组添加到所述训练图像增强组。

9.如权利要求1所述的计算机实现的方法，其中增强所述第二组训练图像包括：

创建另外的训练图像组，其具有第二组训练图像的副本；

通过进行以下至少一种来改变所述另外的训练图像组的至少一个子集：图像旋转随后进行图像剪切、图像缩放、和图像放大后进行图像削减；

并在改变后生成包含所述另外的训练图像组的所述训练图像增强组。