本申请实施例涉及但不限于医疗科技，尤其涉及一种图像检测方法、装置、电子设备及计算机可读存储介质。
背景技术：
1、随着医疗科技水平的不断提高，实例分割技术在医疗领域有着广泛的应用，例如细胞、组织和病灶等的检测。然而，现有的实例分割技术通常受限于输入图像的分辨率，导致一些小物体无法被准确地检测和分割。例如，目前的实例分割方法一般先使用区域生成网络生成候选框，然后使用感兴趣区域对齐层提取每个候选框的特征，最后使用分类、回归和掩码分支输出类别、边界框和掩码。然而，因为区域生成网络利用固定大小和比例的锚点来生成候选框，而小物体的尺寸和形状可能与锚点不匹配，从而导致小物体的检测不够准确。
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、为了解决上述背景技术中提到的问题，本申请实施例提供了一种图像检测方法、装置、电子设备及计算机可读存储介质，使得图像中的小物体检测识别能够更加准确。
3、第一方面，本申请实施例提供了一种图像检测方法，包括：
4、获取待检测图像；
5、对所述待检测图像进行特征提取得到特征图；
6、对所述特征图进行扩散处理得到噪声图像；
7、在所述噪声图像上生成多个初始候选框，并根据每个所述初始候选框的属性信息从多个所述初始候选框中筛选出若干个精选候选框；
8、对所述噪声图像上的每个所述精选候选框的掩码进行预测处理，得到噪声掩码；
9、对每个所述噪声掩码进行逆向扩散处理，得到与所述精选候选框对应的清晰掩码；
10、对每个所述清晰掩码进行分类处理，得到与所述精选候选框对应的分类识别结果。
11、根据本申请的一些实施例，所述对所述特征图进行扩散处理得到噪声图像，包括：
12、从预设的扩散模型中确定预设比例的高斯噪声；
13、对所述特征图中的每个像素添加所述高斯噪声，得到所述噪声图像。
14、根据本申请的一些实施例，所述属性信息包括候选框置信度和候选框得分信息，所述在所述噪声图像上生成多个初始候选框，并根据每个所述初始候选框的属性信息从多个所述初始候选框中筛选出若干个精选候选框，包括：
15、利用预训练的区域生成网络在所述噪声图像上生成多个所述初始候选框；
16、对每个所述初始候选框进行分析处理得到所述候选框置信度和所述候选框得分信息；
17、将所述候选框置信度与预设的置信度阈值进行比较得到置信度比较信息；以及将所述候选框得分信息与预设的候选框得分阈值进行比较得到得分比较信息；
18、根据所述置信度比较信息和所述得分比较信息，从多个所述初始候选框中选取出若干个所述精选候选框。
19、根据本申请的一些实施例，所述对所述噪声图像上的每个所述精选候选框的掩码进行预测处理，得到噪声掩码，包括：
20、对每个所述精选候选框进行特征检测得到候选框特征信息；
21、根据所述候选框特征信息生成初始掩码，其中，所述初始掩码携带有精度值；
22、将所述初始掩码的所述精度值与预设的精度阈值进行比较；
23、在所述初始掩码的所述精度值大于或者等于所述精度阈值的情况下，将所述初始掩码确定为所述噪声掩码。
24、根据本申请的一些实施例，所述对每个所述噪声掩码进行逆向扩散处理，得到与所述精选候选框对应的清晰掩码，包括：
25、从所述扩散模型中的递归神经网络中确定映射函数；
26、根据所述映射函数将所述噪声掩码转换为所述精选候选框对应的所述清晰掩码。
27、根据本申请的一些实施例，所述对每个所述清晰掩码进行分类处理，得到与所述精选候选框对应的分类识别结果，包括：
28、对每个所述清晰掩码的特征进行分析处理得到掩码特征信息；
29、根据预训练的分类器和所述掩码特征信息，对所述清晰掩码进行划分处理得到与所述精选候选框对应的所述分类识别结果。
30、根据本申请的一些实施例，所述对每个所述清晰掩码进行分类处理，得到与所述精选候选框对应的分类识别结果后，所述方法还包括：
31、将所述分类识别结果与所述待检测图像的描述文本进行对比，得到对比损失；
32、根据所述对比损失对所述扩散模型的网络参数进行调整处理。
33、第二方面，本申请实施例还提供了一种图像检测装置，包括：
34、第一处理模块，用于获取待检测图像；
35、第二处理模块，用于对所述待检测图像进行特征提取得到特征图；
36、第三处理模块，用于对所述特征图进行扩散处理得到噪声图像；
37、第四处理模块，用于在所述噪声图像上生成多个初始候选框，并根据每个所述初始候选框的属性信息从多个所述初始候选框中筛选出若干个精选候选框；
38、第五处理模块，用于对所述噪声图像上的每个所述精选候选框的掩码进行预测处理，得到噪声掩码；
39、第六处理模块，用于对每个所述噪声掩码进行逆向扩散处理，得到与所述精选候选框对应的清晰掩码；
40、第七处理模块，用于对每个所述清晰掩码进行分类处理，得到与所述精选候选框对应的分类识别结果。
41、第三方面，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述的图像检测方法。
42、第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上第一方面所述的图像检测方法。
43、根据本申请提供的实施例的图像检测方法，至少具有如下有益效果：在进行图像检测处理的过程中，首先获取待检测图像，接着对待检测图像进行特征提取得到特征图，接着对特征图进行扩散处理得到噪声图像；接着在噪声图像上生成多个初始候选框，并根据每个初始候选框的属性信息从多个初始候选框中筛选出若干个精选候选框；接着对噪声图像上的每个精选候选框的掩码进行预测处理就可以得到噪声掩码；接着对每个噪声掩码进行逆向扩散处理就可以得到与精选候选框对应的清洗掩码；最后对每个清晰掩码进行分类处理就可以得到与精选候选框对应的分类识别结果；通过上述技术方案，将识别过程转换为噪声到掩码的扩散过程，不需要依赖于复杂的特征提取和掩码预测，从而对输入图像分辨率的依赖，提高对小物体的检测和分割能力，使得图像中的小物体检测识别能够更加准确。
1.一种图像检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像检测方法，其特征在于，所述对所述特征图进行扩散处理得到噪声图像，包括：
3.根据权利要求1所述的图像检测方法，其特征在于，所述属性信息包括候选框置信度和候选框得分信息，所述在所述噪声图像上生成多个初始候选框，并根据每个所述初始候选框的属性信息从多个所述初始候选框中筛选出若干个精选候选框，包括：
4.根据权利要求1所述的图像检测方法，其特征在于，所述对所述噪声图像上的每个所述精选候选框的掩码进行预测处理，得到噪声掩码，包括：
5.根据权利要求2所述的图像检测方法，其特征在于，所述对每个所述噪声掩码进行逆向扩散处理，得到与所述精选候选框对应的清晰掩码，包括：
6.根据权利要求1所述的图像检测方法，其特征在于，所述对每个所述清晰掩码进行分类处理，得到与所述精选候选框对应的分类识别结果，包括：
7.根据权利要求2所述的图像检测方法，其特征在于，所述对每个所述清晰掩码进行分类处理，得到与所述精选候选框对应的分类识别结果后，所述方法还包括：
8.一种图像检测装置，其特征在于，包括：
9.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的图像检测方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行权利要求1至7中任意一项所述的图像检测方法。
