【技术实现步骤摘要】
分类模型训练方法、图像处理方法、装置、介质及设备
本公开涉及计算机
，具体地，涉及一种分类模型训练方法、图像处理方法、装置、介质及设备。
技术介绍
在针对图像进行图像分类时，需要对图像中属于预设类别的像素点进行人工标注，并基于人工标注的内容，进行模型训练，以得到训练完成的模型。在进行人工标注的过程中，可能会出现漏标注的现象，导致本来应该被标记为属于预设类别的像素点在训练过程中被用作非预设类别的像素点，导致训练所得的模型的召回率很低。
技术实现思路
本公开的目的是提供一种分类模型训练方法、图像处理方法、装置、介质及设备，以提升图像分类模型的召回率。为了实现上述目的，根据本公开的第一方面，提供一种图像分类模型训练方法，所述方法包括：获取多组训练数据，每一组所述训练数据包括一历史图像、所述历史图像中被标记为属于目标类别的第一像素点以及未被标记为属于所述目标类别的第二像素点；根据所述多组训练数据，对图像分类模型进行迭代训练，直至满足停止训练条件，以得到训练完成的图像分类模型；...
【技术保护点】
1.一种图像分类模型训练方法，其特征在于，所述方法包括：/n获取多组训练数据，每一组所述训练数据包括一历史图像、所述历史图像中被标记为属于目标类别的第一像素点以及未被标记为属于所述目标类别的第二像素点；/n根据所述多组训练数据，对图像分类模型进行迭代训练，直至满足停止训练条件，以得到训练完成的图像分类模型；/n其中，在每一次的训练过程中，将一组训练数据的一历史图像输入至本次训练所使用的图像分类模型中，以及，每一次训练完毕后，若不满足所述停止训练条件，根据本次训练所使用的图像分类模型的目标损失值更新所述图像分类模型，并利用更新后的图像分类模型进行下一次训练；所述目标损失值根据...
【技术特征摘要】
1.一种图像分类模型训练方法，其特征在于，所述方法包括：
获取多组训练数据，每一组所述训练数据包括一历史图像、所述历史图像中被标记为属于目标类别的第一像素点以及未被标记为属于所述目标类别的第二像素点；
根据所述多组训练数据，对图像分类模型进行迭代训练，直至满足停止训练条件，以得到训练完成的图像分类模型；
其中，在每一次的训练过程中，将一组训练数据的一历史图像输入至本次训练所使用的图像分类模型中，以及，每一次训练完毕后，若不满足所述停止训练条件，根据本次训练所使用的图像分类模型的目标损失值更新所述图像分类模型，并利用更新后的图像分类模型进行下一次训练；所述目标损失值根据本次训练所使用的历史图像中各个第一像素点的损失值确定，并且，在第一像素点的初始损失值大于损失阈值时，该第一像素点的损失值大于该第一像素点的初始损失值。
2.根据权利要求1所述的方法，其特征在于，每一所述第一像素点的损失值通过如下方式确定：
将所述第一像素点对应的第一权重系数与所述第一像素点的初始损失值的乘积确定为所述第一像素点的损失值，其中，所述第一像素点对应的第一权重系数与所述第一像素点的初始损失值呈正相关关系。
3.根据权利要求2所述的方法，其特征在于，每一次训练完毕后，所述图像分类模型输出本次训练所使用的历史图像中各个像素点属于所述目标类别的概率；以及
所述第一像素点对应的第一权重系数为所述第一像素点属于所述目标类别的概率的倒数与1的差值。
4.根据权利要求1所述的方法，其特征在于，所述目标损失值还根据本次训练所使用的历史图像中各个第二像素点的损失值确定，且所述目标损失值为本次训练所使用的历史图像中各个像素点的损失值之和；以及
每一所述第二像素点的损失值通过如下方式确定：
将预设的第二权重系数与所述第二像素点的初始损失值的乘积确定为所述第二像素点的损失值，其中，所述预设的第二权重系数处于(0,1]构成的数值区间内。
5.根据权利要求1-4中任一项所述的方法，其特征在在于，所述历史图像全部为医疗图像或全部为物品图像；
若所述历史图像全部为医疗图像，所述医疗图像中对应于身体组织变化的像素点属于所述目标类别；
若所述历史图像全部为物品图像，所述物品图像中对应于物品破损的像素点属于所述目标类别。
6.一种图像处理方法，其特征在于，所述方法包括：
获取待...
【专利技术属性】
技术研发人员：顾文剑，崔朝辉，赵立军，张霞，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。