[发明专利]基于卷积神经网络的阴道分泌物显微图像有形成分检测方法

摘要

本发明公开一种基于卷积神经网络的阴道分泌物显微图像有形成分检测方法，包括以下步骤：使用selective search算法提取阴道分泌物图片训练集的目标候选位置，并判定其标签；搭建卷积神经网络，所述卷积神经网络包括五路由多个卷积层、batch normalization层和池化层搭成的网络，每路经过GAP层后融合为一路，最后接全连接层和softmax层；将候选位置处的图像块和其相邻上、下、左、右四块图像块作为模型的输入，以最小化softmax loss函数为目标训练出目标识别的神经网络模型；提取阴道分泌物测试图像的目标候选位置及其四邻域输入至所述神经网络模型中，输出检测目标的位置与类别。本发明将目标候选位置邻域的信息引入神经网路，有效提高网络的识别能力。

主权项

1.一种基于卷积神经网络的阴道分泌物显微图像有形成分检测方法，其特征在于，该方法包括以下具体步骤：步骤1：在训练图像集上，标记阴道分泌物显微图像中的有形成分，使用selective search算法提取图像中有形成分目标的候选位置，并判定其标签；步骤2：搭建卷积神经网络，所述卷积神经网络包括五个并行支路，每个支路由数个卷积层、batch normalization层和池化层组成，每个支路经过GAP层后融合为一路，接全连接层和softmax层；步骤3：将步骤1提取到的候选位置处的图像和它相邻上、下、左、右四块图像输入步骤2搭建的网络，以最小化softmax loss函数为目标训练出能对候选区域识别的神经网络模型；步骤4：与步骤1相同，在测试图像集中，使用selective search算法提取阴道分泌物的有形成分候选位置，将候选位置处的图像与和它相邻上、下、左、右四个图像块输入至步骤3训练好的神经网络模型中，得到候选位置图像的类别，同时使用非极大值抑制(NMS)算法删除重叠检测框；最后将检测目标的位置与识别的类别同时输出。