[发明专利]一种对显微镜细胞图像检测模型进行增类学习的方法

摘要

本发明涉及一种利用增量学习对显微镜细胞图像检测模型进行增类学习的方法，首先对初始图像进行预处理，使用旧类别样本训练faster‑rcnn模型获得显微镜细胞图像检测模型作为初始模型。使用训练好的显微镜图像细胞检测模型预测新的细胞，对新类别细胞样本进行手工标注。其次使用初始模型对新类别样本预测生成软目标和中间层特征，生成的软目标置信度为0.2以上的粗标签。修改显微镜细胞图像检测模型最后一层大小，作为显微镜细胞图像增量检测模型。分别计算增量模型和初始模型的中间层特征图距离，计算显微镜细胞图像检测的分类和回归损失，计算置信度损失。最后通过最小化上述损失总和来训练更新模型。获得能够预测新类别细胞的显微镜细胞图像增量检测模型。

主权项

1.一种利用增量学习对显微镜细胞图像检测模型进行增类学习的方法，其特征在于：利用增量学习方法使得显微镜细胞图像增量检测模型能够学习并检测出新的细胞类别，并且能够检测出旧类别细胞。