[发明专利]场景中检测目标方法、装置、设备和可读存储介质

说明书

本发明涉及人工智能技术领域，尤其涉及一种场景中检测目标方法、装置、设备和可读存储介质，用于医疗领域的病例数据提取、医疗影像读取时通过神经网络检测场景目标，其中方法包括：获取样本集，计算所述样本集中每一个样本与特征向量集中每一个特征向量的距离，得到多个特征向量距离；从多个所述特征向量距离中筛选出最小特征向量距离；根据所述最小特征向量距离计算分类概率；基于所述分类概率，使用语义分割模型对各个所述样本进行语义分割，得到多个分割特征，所述语义分割模型由训练待训练神经网络得到；根据多个所述分割特征获得与多个所述样本对应的场景目标。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种场景中检测目标方法、装置和计算机设备。

背景技术

如今，语义分割、目标检测等方式进行医疗领域的病例数据提取、医疗影像读取时对神经网络模型分类能力的不确定度进行测量和评估。很多领域需要进行寻找图像或者场景中的目标，而随着图像目标检测技术的快速发展，图像目标检测技术也逐步被应用于人数统计领域，在图像场景当中寻找出目标人物在很多场景下均有应用价值，例如在公共安全方面，人群聚集过多易发生踩踏等事故，当人群密度达到一定规模则控制人数，例如在城市或商业规划方面，分析出感兴趣区域的人流量，高效规划商业布置；当然，如果能够确定区域内每个人所在的位置，就可以将更加细化的人群密度信息加以利用。

发明内容

本申请的主要目的为提供一种场景中检测目标方法、装置、设备和可读存储介质，旨在解决如何实现场景中检测目标的技术问题。

为了实现上述发明目的，本申请提出一种场景中检测目标方法，所述方法包括：

获取样本集，计算所述样本集中每一个样本与特征向量集中每一个特征向量的距离，得到多个特征向量距离；

从多个所述特征向量距离中筛选出最小特征向量距离；

根据所述最小特征向量距离计算分类概率；

基于所述分类概率，使用语义分割模型对各个所述样本进行语义分割，得到多个分割特征，所述语义分割模型由训练待训练神经网络得到；

根据多个所述分割特征获得与多个所述样本对应的场景目标。

进一步地，所述训练待训练神经网络，包括：

通过i和C_i构造第一损失函数；

通过i和P_Ci，k_i构造第二损失函数；

组合所述第一损失函数和第二损失函数，得到最终损失函数；

根据所述最终损失函数训练所述待训练神经网络；

其中，i为所述样本，C_i为所述目标分类类型，P_Ci，k_i为目标子集序号。

进一步地，所述获取样本集，计算所述样本集中每一个样本与特征向量集中每一个特征向量的距离，得到多个特征向量距离的步骤之前，包括：

计算样本和各个原型子集的余弦相似度；

从所有所述余弦相似度中筛选出最小余弦相似度；

将所述最小余弦相似度对应的原型子集的子集序号作为目标子集序号；

将所述最小余弦相似度对应的原型子集的分类类型作为目标分类类型。

进一步地，所述使用语义分割模型对各个所述样本进行语义分割，得到多个分割特征，包括：

将每个所述样本和所述分类概率输入所述语义分割模型的区域划分层进行区域划分，得到多个样本区域；