(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221014145 6.4 (22)申请日 2022.02.16 (71)申请人 上海商汤智能科技有限公司 地址 200233 上海市徐汇区桂平路391号3 号楼1605A室 (72)发明人 叶宇翔　陈翼男　朱雅靖　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/12(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06V 10/44(2022.01) G06V 10/82(2022.01) (54)发明名称 图像检测及相关模型的训练方法、 相关装 置、 设备和介质 (57)摘要 本申请公开了一种图像检测及相关模型的 训练方法、 相关装置、 设备和介质， 其中， 图像检 测模型的训练方法包括： 获取样 本医学图像及其 参考信息； 其中， 参考信息包括目标像素点对应 的第一距离， 第一距离表征目标像素点至第一参 考位置的实际距离， 第一参考位置表 示目标像素 点所属样 本对象的中心位置； 利用图像检测模型 对样本医学图像进行处理， 得到第一处理结果； 其中， 第一处理结果包括目标像素点对应的第二 距离， 第二距离表征目标像素点至第一参考位置 的预测距离； 基于目标像素点对应的第一距离与 第二距离， 得到差异信息， 基于差异信息， 调整图 像检测模型的网络参数。 上述方案， 在不同对象 十分接近、 甚至粘连的情况， 仍然能够准确区分 检测各个对象。 权利要求书4页 说明书19页 附图3页 CN 114549445 A 2022.05.27 CN 114549445 A 1.一种图像 检测模型的训练方法， 其特 征在于， 包括： 获取样本医学图像及其参考信息； 其中， 所述参考信息包括所述样本医学图像中目标 像素点对应的第一距离， 所述第一距离表征所述 目标像素点至第一参考位置的实际距离， 且所述第一 参考位置为所述目标像素点所属样本对象的中心位置； 利用图像检测模型对所述样本 医学图像进行处理， 得到第 一处理结果； 其中， 所述第一 处理结果包括所述目标像素点对应的第二距离， 所述第二距离表征所述目标像素点至所述 第一参考位置的预测距离； 基于所述目标像素点对应的第一距离与第二距离， 得到差异信息， 并基于所述差异信 息， 调整所述图像 检测模型的网络参数。 2.根据权利要求1所述的方法， 其特征在于， 所述差异信息包括第一差异信息， 所述基 于所述目标像素点对应的第一距离与第二距离， 得到 差异信息， 包括： 对于各个所述目标像素点， 基于所述目标像素点对应的第 一距离与第 二距离之间的差 值， 得到第一子损失， 并基于所述目标像素点对应的第一距离， 得到第一权重， 以及基于所 述第一子损失和所述第一权 重， 得到所述目标像素点的第一损失； 基于各个所述目标像素点的第一损失， 得到所述第一差异信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述目标像素点位于所述样本 医学图像的 目标区域， 所述目标区域包括所述样本对 象的中心 区域和边缘区域， 所述 目标像素点包括 第一目标像素点、 第二目标像素点中至少一者， 所述第一目标像素点位于所述中心区域， 所 述第二目标像素点位于所述边缘区域， 且所述第一目标像素点对应的第一权重与所述第一 目标像素点对应的第一距离正相关， 所述第二目标像素点对应的第一权重与所述第二目标 像素点对应的第一距离正相关。 4.根据权利要求3所述的方法， 其特征在于， 所述目标区域还包括与 所述样本对象无关 的背景区域， 所述 目标像素点还包括第三 目标像素点， 所述第三 目标像素点位于所述背景 区域， 且所述第三目标像素点对应的第一权 重为预设数值。 5.根据权利要求3所述的方法， 其特征在于， 所述第一距离位于预设范围内， 所述预设 范围包括下限值和上限值； 其中， 在所述目标像素点对应的第一距离位于所述下限值与第一数值之间的情况下， 所述目标像素点位于所述边缘区域， 在所述目标像素点对应的第一距离位于第二数值与所 述上限值之间的情况下， 所述 目标像素点位于所述中心区域， 且所述第二数值不小于所述 第一数值。 6.根据权利要求5所述的方法， 其特 征在于， 所述第一距离的获取步骤 包括： 统计所述实际距离中的最大值和最小值， 并获取所述最大值和所述最小值的第一差 值； 对于属于所述样本对象的各个所述目标像素点， 获取所述实际距离与 所述最小值的第 二差值， 并基于所述第二差值与所述第一差值之间的比值， 得到所述第一距离； 其中， 所述 第一距离与所述比值负相关。 7.根据权利要求1至6任一项所述的方法， 其特征在于， 所述参考信息还包括所述目标 像素点的第一标记， 所述第一标记表征所述 目标像素点实际是否属于所述样本对 象， 所述 差异信息还包括第二差异信息， 且所述图像检测模型包括特征提取网络和语义分割网络；权　利　要　求　书 1/4 页 2 CN 114549445 A 2在所述基于所述差异信息， 调整所述图像 检测模型的网络参数之前， 所述方法还 包括： 获取所述特征提取网络提取 得到的若干样本特 征图； 利用所述语义分割网络分别对所述若干样本特征图进行处理， 得到各个所述样本特征 图对应的第二处理结果； 其中， 所述第二处理结果包括所述目标像素点的第二标记， 且所述 第二标记 表征所述目标像素点预测是否属于所述样本对象； 对于各个所述样本特征图， 基于所述第一标记和所述第二标记之间的差异， 得到第二 子损失， 并基于所述样本特征图的分辨率， 得到第二权重， 以及基于所述第二子损失和所述 第二权重， 得到所述样本特征图对应的第二损失； 其中， 所述第二权重与所述分辨率正相 关； 基于所述若干样本特 征图分别对应的第二损失， 得到所述第二差异信息 。 8.根据权利要求1至7任一项所述的方法， 其特征在于， 所述参考信息还包括所述目标 像素点对应的第一偏离信息， 所述第一偏离信息包括所述目标像素点分别至若干第一参考 边界的实际距离， 且所述若干第一参考边界所形成的第一参考区域包围所述目标像素点所 属的样本对 象， 所述差异信息还包括第三差异信息， 且所述图像检测模型包括特征提取网 络和偏离检测网络； 在所述基于所述差异信息， 调整 所述图像检测模 型的网络参数之前， 所 述方法还 包括： 获取所述特征提取网络提取得到的目标特征图； 其中， 所述目标特征图与所述样本医 学图像具有相同分辨 率； 利用所述偏离检测网络对所述目标特征图进行处理， 得到第 三处理结果； 其中， 所述第 三处理结果包括所述目标像素点对应的第二偏离信息， 且所述第二偏离信息包括所述目标 像素点分别至所述若干第一 参考边界的预测距离； 对于属于所述样本对象的各个所述目标像素点， 基于所述目标像素点对应的第 一偏离 信息和第二偏离信息之间的差异， 得到第三子损失， 并基于所述 目标像素点对应的第一距 离， 得到第三权重， 以及基于所述第三子损失和所述第三权重， 得到所述目标像素点的第三 损失； 基于各个所述第三损失， 得到所述第三差异信息 。 9.一种图像 检测方法， 其特 征在于， 包括： 获取待测医学图像； 其中， 所述待测医学图像包 含若干目标对象； 利用图像检测模型对所述待测医学图像进行处理， 得到各个所述目标对象的检测结 果； 其中， 所述图像 检测模型 是利用权利要求1至8任一项所述的方法训练得到的。 10.根据权利要求9所述的方法， 其特征在于， 所述利用图像检测模型对所述待测医学 图像进行处 理， 得到各个所述目标对象的检测结果， 包括： 利用所述图像检测模型对所述待测医学图像进行处理， 得到第一检测结果、 第二检测 结果和第三检测结果； 基于所述第一检测结果和所述第三检测结果， 分别获取所述若干目标对象的估计尺 寸； 对于各个所述目标对象， 基于所述目标对象的估计尺寸， 选择所述第 二检测结果、 所述 第三检测结果中任一者作为参考检测结果， 并基于所述第一检测结果和所述参考检测结 果， 分析得到所述目标对象的最终检测结果；权　利　要　求　书 2/4 页 3 CN 114549445 A 3