[发明专利]内窥镜图像特征学习模型、分类模型的训练方法和装置

权利要求书

1.一种基于多尺度对比学习的内窥镜图像特征学习模型的训练方法，所述方法包括：

获取第一训练数据集，所述第一训练数据集包括一个或多个具有待识别对象的内窥镜图像和一个或多个不具有待识别对象的内窥镜图像；

将所述第一训练数据集输入到所述内窥镜图像特征学习模型，其中所述内窥镜图像特征学习模型包括M个对比学习子模块；以及

基于所述第一训练数据集对所述内窥镜图像特征学习模型进行无监督的对比学习，以获得训练完成的内窥镜图像特征学习模型，

其中，所述进行无监督的对比学习包括：在每次迭代时，从所述第一训练数据集中随机选取L个内窥镜图像，对所述L个内窥镜图像进行图像增强得到L个第一增强型内窥镜图像和L个第二增强型内窥镜图像，并将所述L个第一增强型内窥镜图像和所述L个第二增强型内窥镜图像输入到所述内窥镜图像特征学习模型，以对所述L个内窥镜图像进行不同尺度的对比学习，具体包括：基于所述M个对比学习子模块中的任意一个对比学习子模块i：

生成与所述L个第一增强型内窥镜图像相对应的L个全局映射后的第i尺度的第一特征表示和与所述L个第二增强型内窥镜图像相对应的L个全局映射后的第i尺度的第二特征表示，将所述L个全局映射后的第i尺度的第一特征表示和与所述L个全局映射后的第i尺度的第二特征表示中一一对应的两个特征表示作为一对正例，其余2L-2个特征表示作为负例，计算对比损失函数，以得到对比学习子模块i的对比损失值，

其中，所述M为大于或等于1的整数，所述所述L为大于1的正整数。

2.根据权利要求1所述的方法，其中，

所述M个对比学习子模块中的任意一个对比学习子模块i都包括：结构完全相同的第一编码器和第二编码器、以及结构完全相同的第一映射器模块和第二映射器模块，

其中，所述第一编码器的输出端连接到所述第一映射器模块的输入端，所述第二编码器的输出端连接到所述第二映射器模块的输入端，

其中，所述M个对比学习子模块中的M个第一编码器依次连接，所述M个对比学习子模块中的M个第二编码器依次连接。

3.根据权利要求2所述的方法，其中，对所述L个内窥镜图像进行图像增强得到L个第一增强型内窥镜图像和L个第二增强型内窥镜图像，并将所述L个第一增强型内窥镜图像和所述L个第二增强型内窥镜图像输入到所述内窥镜图像特征学习模型包括：

将所述L个内窥镜图像中的每一个进行第一图像增强，得到与所述L个内窥镜图像一一对应的L个第一增强型内窥镜图像，并输入到所述内窥镜图像特征学习模型中第一个对比学习子模块的第一编码器；以及

将所述L个内窥镜图像中的每一个进行第二图像增强，得到与所述L个内窥镜图像一一对应的L个第二增强型内窥镜图像，并输入到所述内窥镜图像特征学习模型中第一个对比学习子模块的第二编码器。

4.根据权利要求3所述的方法，其中，所述第一图像增强和第二图像增强分别包括以下各项中任意两个：保持不变、剪裁、翻转、颜色变换和高斯模糊。