CN119516233A 基于目标检测和细粒度分类的齿痕分类方法、装置、终端及介质 （上海国民集团健康科技有限公司）

地址201107上海市闵行区闵北路88基于目标检测和细粒度分类的齿痕分类方本申请提供一种基于目标检测和细粒度分的齿痕检测模型确定待分类的舌像图像上齿痕2基于构建的齿痕检测模型，根据预处理后的待分类的舌像图像基于构建的齿痕分类模型，根据通过齿痕检测判断的最优检测对经过进行预处理的多个舌像图像进行齿痕位置标注以获得目标检测数将所述目标检测数据集输入改进后的基准YOLOv7算法模型中将所述基准YOLOv7算法模型中头输出层中的池化层替换为DCB对舌像图像检测舌体位置区域并对经扩大设定扩大倍对每个齿痕所对应的一或多个齿痕检测框进行非极大6.根据权利要求1所述的方法，其特征在于，所述对最优检测框进行齿痕检测判断包齿痕检测判断的最优检测框获得对应所述待分类的舌像图像基于所述最优检测框，对预处理后的舌像图像进行裁剪以及像素3对各局部区域分别进行自注意力机制特征编码获得每个局部区域对应的空间特征表对筛选后的空间特征表达进行特征融合获得最终的图痕检测判断的最优检测框获得对应每个齿痕的齿痕分所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求14检测模型，根据预处理后的待分类的舌像图像获得每个齿痕所对应的一或多个齿痕检测5[0010]于本申请的第一方面的一些实施例中，所述对最优检测框进行齿痕检测判断包表达进行特征融合获得最终的图像特征表达；对所述最终的图像特征表达进行softmax分测判断的最优检测框获得对应每个齿痕的齿痕分类6[0019]图1显示为本申请一实施例中基于目标检测和细粒度分类的齿痕分类方法流程示[0021]图3显示为本申请一实施例中改进后的基准YOLOv7算法模型中头输出层结构示意[0027]图8显示为本申请一实施例中基于目标检测和细粒度分类的齿痕分类装置结构示是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。7是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施[0035]如图1所示，展示为本发明实施例中的一种基于目标检测和细粒度分类的齿痕分数据对基准YOLOv7算法模型进行优化的方法构建8包括齿痕位置信息。标注流程为一位本领域技术人员先对预处理后的舌像图像进行预标经过最大池化层(maxpool)后与第4次下采样结果进行特征拼接(cat)获得特征拼接后的结果，特征拼接后的结果经过ELAN_H结构后在再次经过最大池化层后获得的结果与第5次的各池化层替换为如图4所示的DCBP结构，DCBP结构采用用于增加特征提取能力的stride=2标准卷积层(Conv3×3)、3×3空洞卷积层(DilatedConv3×3)、批归一化层(BatchNormalization)、激活函数层(Relu)以及最大池化层(Maxpool)。将3×3空洞卷积层9[0063]当输入的图像尺寸为640×640时，齿痕检测模型的F1_score如图5A所示，PR[0066]需要说明的是，非极大值抑制处理以及置信度过滤，采用的是NMS(Non_Maximum采用NMS算法可以在多个检测框中筛选出最优的置以及齿痕类别标注以获得齿痕分类数据集；将所述齿痕分类数据集输入TransFG算法模[0075]可选的，采用labelme工具对预处理后的舌像图像进行齿痕位置以及齿痕类别标结果之间差别较小，适合使用图像细粒度分类方法。TransFG算法模型是一种基于Transformer的细粒度图像分类方法，可以应用于类别之间区分度较小的子分类任务中。TransFG算法模型主要采用基于局部区域注意力机制的空间特征编码和基于全局特征的通Transformer中的自注意力机制和多头注意力机制，能够捕获到图像中不同位置之间的上的图像特征表达；对所述最终的图像特征表达进行softmax分类，获得对应的齿痕分类结按照顺序组成输入序列。将各局部区域通过LinearProjectio应的输入向量进行自注意力机制特征编码获得每个局部区域对应的空间特征表达。通过PartSelectionModule(特征选择模块)对每个局部区域对应的空间特征表达进行筛选获得筛选后的空间特征表达。通过PartSelectionModul[0089]齿痕分类模型输入图像像素尺寸大小设置为64×64，训练参数设置为epoch=95.1593.8894.5194.6394.6395.6493.2691.3292.28[0094]如图7所示，对采集的一待分类的舌像图片进行预处理后获得预处理后的舌像图[0097]如图8所示，展示为本发明实施例中一种基于目标检测和细粒度分类的齿痕分类预处理后的待分类的舌像图像获得每个齿痕所对应的一或多个齿痕据通过齿痕检测判断的最优检测框获得对应每个齿痕理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器92，可能包括但不限于中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignal(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecific实现如图1所述基于目标检测和细粒度分类的齿痕分类方法。所述计算机可读存储介质可