[发明专利]一种应用于内窥镜图像目标检测模型的增强训练方法

权利要求书

1.一种应用于内窥镜图像目标检测模型的增强训练方法，其特征在于，包括以下步骤：

1)获取待训练图像，所述待训练图像包括标注信息；

2)通过目标检测模型对所述待训练图像进行特征提取，得到所述待训练图像的多尺度特征图；

3)通过所述目标检测模型的特征金字塔网络对所述待训练图像的多尺度特征图进行融合得到融合后的多尺度特征图；

4)通过所述目标检测模型的检测头网络对融合后的多尺度特征图进行检测得到待训练图像的目标检测结果；

5)引入最优对抗样本对所述目标检测模型进行训练，预设锚点集合，通过预设锚点的样本的权重对所述目标检测模型的损失进行调制，得到训练后的目标检测模型。

2.如权利要求1所述的一种应用于内窥镜图像目标检测模型的增强训练方法，其特征在于，预设锚框样本集合为{Q_i}，目标真实位置为R，所述目标检测模型使用所述锚框样本集合{Q_i}得到的预测置信度集合为目标预测位置集合为其中i表示锚点序号；则训练中选取的正锚框样本的权重w_i为：

对所有锚框样本进行权重计算，从大到小排序，得到集合，根据下式计算k值：

其中，T表示固定阈值，选出权重大于固定阈值T的k个正锚框样本。

3.如权利要求2所述的一种应用于内窥镜图像目标检测模型的增强训练方法，其特征在于，通过最大化交叉熵法来获得最优对抗样本，将所述最优对抗样本记为X^a，计算最优对抗样本X^a的均值μ^a和方差σ^a，然后归一化所有的X^a得到将作为所述目标检测模型的batchnorm层的输出。

4.如权利要求1所述的一种应用于内窥镜图像目标检测模型的增强训练方法，其特征在于，所述目标检测模型为YOLOv6。