买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：紫东信息科技(苏州)有限公司

摘要：本申请涉及一种基于FCOS算法的胃镜图片病灶识别方法及装置，属于医学图像智能处理技术领域，该方法包括：获取多组训练数据，每组训练数据包括胃镜图片和该胃镜图片的病灶类别和病灶区域；使用多组训练数据对FCOS模型中的指定特征层进行分层次训练，得到每个训练后的层次对应的识别精度；基于贪婪算法按照识别精度对FCOS模型进行模型压缩，得到压缩后的模型结构，压缩后的模型结构用于对输入的胃镜图片进行病灶定位和分类；可以解决人工进行胃部病灶识别时效率较低、且现有目标检测模型不适用于胃部诊断场景的问题；可以提高胃镜图片病灶识别的时间性能，同时又有较高的精度水平。在识别过程中不需要人工参与，提高诊断效率。

主权项：1.一种基于FCOS算法的胃镜图片病灶识别方法，其特征在于，所述方法包括：获取多组训练数据，每组训练数据包括胃镜图片和所述胃镜图片的病灶类别和病灶区域；使用所述多组训练数据对一阶全卷积目标检测FCOS模型中的指定特征层进行分层次训练，得到每个训练后的层次对应的识别精度；基于贪婪算法按照所述识别精度对所述FCOS模型进行模型压缩，得到压缩后的模型结构，所述压缩后的模型结构用于对输入的胃镜图片进行病灶定位和分类；所述FCOS模型包括主干网络、与主干网络相连的特征金字塔网络、以及与特征金字塔网络相连的预测网络；所述使用所述多组训练数据对一阶全卷积目标检测FCOS模型中的指定特征层进行分层次训练，得到每个训练后的层次对应的识别精度，包括保持所述主干网络结构不改变，依次在所述特征金字塔网络对应的多层特征图中选择保留一个特征图，并对边界框内的每一个像素点进行位置回归；所述基于贪婪算法按照所述识别精度对所述FCOS模型进行模型压缩，得到压缩后的模型结构，包括基于贪婪算法对分离后的层次再次进行组合，得到识别精度大于期望精度的层次组合，得到压缩后的模型结构；压缩后的模型结构的层数小于压缩前的FCOS模型的层数；所述基于贪婪算法对分离后的层次再次进行组合，得到识别精度大于期望精度的层次组合，得到压缩后的模型结构，包括：将各个训练后的层次按照识别精度进行降序排列；选择最优的某一层次结构作为开始时的基础层次结构，并把这一层的识别精度作为当前的最优识别精度；依据分层训练的精度排序表，在基础层次结构上增加次优的层次结构形成一个层次组合，训练并记录此层次组合的识别精度；若此层次组合的识别精度低于当前的最优识别精度，则停止压缩过程，将组合前的层结构作为压缩结果；若此层次组合的识别精度高于当前的最优识别精度，则再次增加下一个层次，直至增加层次不再提升识别精度或所有层次都被添加完毕时停止。

全文数据：

权利要求：

百度查询： 紫东信息科技(苏州)有限公司 基于FCOS算法的胃镜图片病灶识别方法及装置