一种图像处理方法、装置及存储介质制造方法及图纸

本申请实施例提供了一种图像处理方法、装置及存储介质，其中，该方法包括：获取第一预测模型的预测结果集合；所述预测结果集合包括针对至少一个待预测图像数据中每个待预测图像数据的预测结果；根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据；利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型；利用所述第二预测模型对第一待预测图像数据进行预测，得到对所述第一待预测图像数据的预测结果。采用本申请，可以有效地提升模型的预测精度。

An image processing method, device and storage medium

【技术实现步骤摘要】
一种图像处理方法、装置及存储介质
本申请涉及计算机
，尤其涉及一种图像处理方法、装置及存储介质。
技术介绍
随着人工智能的普及，深度学习技术作为实现人工智能的一种必然途径，成为备受关注的研究领域。在将深度学习技术应用于目标检测时，需要使用大量图像数据来进行模型训练，从而对待预测图像数据进行预测。这些用于模型训练的图像数据往往需要人工耗费较长时间去搜集和整理。然而，在实际应用过程，我们不难发现，采用该种方式训练得到的模型的预测精度始终是有限的，并且难以提升。
技术实现思路
本申请实施例提供了一种图像处理方法、装置及存储介质，可以将待预测图像数据用于模型训练，进而有效地提升模型的预测精度。第一方面，本申请实施例提供了一种图像处理方法，包括：获取第一预测模型的预测结果集合；所述预测结果集合包括针对至少一个待预测图像数据中每个待预测图像数据的预测结果；根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据；利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型；利用所述第二预测模型对第一待预测图像数据进行预测，得到对所述第一待预测图像数据的预测结果。可选地，所述方法还包括：从所述至少一个待预测图像数据中确定出预测正常的目标训练数据；将所述预测正常的目标训练数据和所述预测异常的训练数据添加至指定数据集；所述利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型，包括：利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型。可选地，所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型前，所述方法还包括：若所述指定数据集包括的图像数据的数量小于第一数量，则采用数据增强的方法增加所述指定数据集包括的图像数据的数量；在所述指定数据集包括的图像数据的数量大于或等于第一数量后，执行所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤。可选地，所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型前，所述方法还包括：当所述指定数据集包括的目标类别的图像数据的数量小于除目标类别之外的其它类别的图像数据的数量时，采用数据增强的方法增加所述目标类别的图像数据的数量；在所述目标类别的图像数据的数量大于或等于第二数量后，执行所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤。可选地，所述根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据，包括：输出预测结果界面，所述预测结果界面包括所述预测结果集合；获取在所述预测结果界面上选取的第二待预测图像数据的预测结果，将所述第二待预测图像数据确定为预测异常的训练数据。可选地，所述方法还包括：在训练时间段内，执行利用所述第一待预测图像数据以及对应的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤；或，在非工作时间段内，执行所述利用所述第一待预测图像数据以及对应的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤。可选地，所述方法还包括：在工作时间段内，中断模型训练过程，并在训练时间段内或在非工作时间段内，继续执行中断的模型训练过程；其中，所述模型训练过程是指所述利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型的过程。可选地，所述方法还包括：当在模型训练过程中监测到对图像检测功能的功能调用请求时，中断模型训练过程，根据所述功能调用请求提供相应功能；若监测到对图像检测功能的功能退出请求时，在预设训练时间段内或在非工作时间段内，继续执行中断的模型训练过程。第二方面，本申请实施例提供了一种数据处理装置，包括：获取模块，用于获取第一预测模型的预测结果集合；所述预测结果集合包括针对至少一个待预测图像数据中每个待预测图像数据的预测结果；确定模块，用于根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据；处理模块，用于利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型，并利用所述第二预测模型对第一待预测图像数据进行预测，得到对所述第一待预测图像数据的预测结果。第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如第一方面所述的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的方法。综上所述，电子设备可以获取第一预测模型的预测结果集合，并根据该预测结果集合从至少一个待预测图像数据中确定出预测异常的训练数据，从而利用该训练数据以及该训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型，进而可以利用该第二预测模型对第一待预测图像数据进行预测，得到对该第一待预测图像数据的预测结果，以提高模型的预测精度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种图像处理方案的示意图；图2是本申请实施例提供的一种图像处理方法的流程示意图；图3a是本申请实施例提供的一种预测结果界面的示意图；图3b是本申请实施例基于图3a提供的另一种预测结果界面的示意图；图4是本申请实施例提供的另一种图像处理方法的流程示意图。图5是本申请实施例提供的一种图像处理装置的结构示意图；图6是本申请实施例提供的一种电子设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。为了有效地对图像数据进行预测，如进行分类预测，可以采用深度学习的方法来对图像数据进行预测，得到预测结果。例如，可以采用基于深度学习的目标检测的方法对图像数据中进行预测(包括目标对象定位和目标对象分类)，得到预测结果。为了提升预测精度，并减少人力成本，目标检测已经从传统的手工提取特征的方式转为现在的基于深度学习的模型的特征提取的方式。因此，在图像预测过程中，既能提升预测精度，又能很好地为用本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取第一预测模型的预测结果集合；所述预测结果集合包括针对至少一个待预测图像数据中每个待预测图像数据的预测结果；/n根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据；/n利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型；/n利用所述第二预测模型对第一待预测图像数据进行预测，得到对所述第一待预测图像数据的预测结果。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取第一预测模型的预测结果集合；所述预测结果集合包括针对至少一个待预测图像数据中每个待预测图像数据的预测结果；
根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据；
利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型；
利用所述第二预测模型对第一待预测图像数据进行预测，得到对所述第一待预测图像数据的预测结果。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从所述至少一个待预测图像数据中确定出预测正常的目标训练数据；
将所述预测正常的目标训练数据和所述预测异常的训练数据添加至指定数据集；
所述利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型，包括：
利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型。


3.根据权利要求2所述的方法，其特征在于，
所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型前，所述方法还包括：
若所述指定数据集包括的图像数据的数量小于第一数量，则采用数据增强的方法增加所述指定数据集包括的图像数据的数量；
在所述指定数据集包括的图像数据的数量大于或等于第一数量后，执行所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤。


4.根据权利要求2所述的方法，其特征在于，所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型前，所述方法还包括：
当所述指定数据集包括的目标类别的图像数据的数量小于除目标类别之外的其它类别的图像数据的数量时，采用数据增强的方法增加所述目标类别的图像数据的数量；
在所述目标类别的图像数据的数量大于或等于第二数量后，执行所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤。


...

【专利技术属性】
技术研发人员：刘顿，黄访，
申请(专利权)人：重庆金山医疗技术研究院有限公司，
类型：发明
国别省市：重庆;50