图像重建模型的迭代方法和图像重建方法技术

本发明专利技术提供一种图像重建模型的迭代方法和图像重建方法，其中，图像重建模型的迭代方法包括，基于原始数据，对图像重建模型进行第一迭代，得到图像重建模型的第一权重值和第一损失函数值；若第一损失函数值指示收敛异常，则将图像重建模型的第一权重值替换为正常权重值，并对权重值替换后的图像重建模型进行第二迭代，直至第二迭代所得的第二损失函数值指示收敛正常，对第二损失函数值指示收敛正常后的图像重建模型进行第一迭代，第一迭代的学习率大于第二迭代的学习率，正常权重值是最近一次损失函数值指示收敛正常的迭代所得的权重值；克服了损失函数收敛不稳定导致模型迭代效果不佳的缺陷，实现了迭代效率和迭代效果的提升。升。升。

【技术实现步骤摘要】
图像重建模型的迭代方法和图像重建方法


[0001]本专利技术涉及数据处理
，尤其涉及一种图像重建模型的迭代方法和图像重建方法。

技术介绍

[0002]目前的图像重建任务有的是利用基于深度神经网络的图像重建模型进行图像重建，而利用基于深度神经网络的图像重建模型进行图像重建时要对神经网络进行迭代，在神经网络迭代中需要对损失函数进行迭代收敛，收敛中可能由于各种原因最终导致损失函数的收敛出现收敛不稳定的情况，这一情况的反复出现会对神经网络的迭代效果产生极大的影响。
[0003]目前的神经网络迭代过程中，通过链式求导法则求得损失函数值对于权重值的导数，随后基于随机梯度下降法或者基于在随机梯度下降法改进所得的优化器更新权重值。
[0004]但是，在神经网络中权重值的导数极大处，使用改进后的优化器仍会使得损失函数出现收敛不稳定或者大幅度抖动的情况，这极大地影响了神经网络的迭代效果，从而导致通过迭代完成的图像重建模型进行图像重建所得的重建图像的效果不佳。

技术实现思路

[0005]本专利技术提供一种图像重建模型的迭代方法和图像重建方法，用以克服现有技术中神经网络迭代过程中损失函数收敛不稳定或者大幅度抖动的缺陷。
[0006]本专利技术提供一种图像重建模型的迭代方法，包括：
[0007]基于原始数据，对图像重建模型进行第一迭代，得到所述图像重建模型的第一权重值和第一损失函数值；
[0008]若所述第一损失函数值指示收敛异常，则将所述图像重建模型的第一权重值替换为正常权重值，并对权重值替换后的图像重建模型进行第二迭代，直至所述第二迭代所得的第二损失函数值指示收敛正常，对所述第二损失函数值指示收敛正常后的图像重建模型进行第一迭代，所述第一迭代的学习率大于所述第二迭代的学习率，所述正常权重值是最近一次损失函数值指示收敛正常的迭代所得的权重值；
[0009]把满足迭代完成条件的图像重建模型依据其权重值产生的图像作为最终生成的重建图像。
[0010]根据本专利技术提供的一种图像重建模型的迭代方法，所述基于原始数据，对图像重建模型进行第一迭代，得到所述图像重建模型的第一权重值和第一损失函数值，包括：
[0011]利用图像重建模型对于初始随机权重值输出预估重建图像；
[0012]基于所述原始数据以及所述预估重建图像，确定所述图像重建模型的第一损失函数值；
[0013]基于所述第一损失函数值，对所述图像重建模型进行第一迭代，得到所述第一权重值。
[0014]根据本专利技术提供的一种图像重建模型的迭代方法，所述基于所述原始数据以及所述预估重建图像，确定所述图像重建模型的第一损失函数值，包括：
[0015]对所述预估重建图像进行图像变换，基于图像变换所得的第一预估图像的变换数据，以及所述原始数据，确定所述图像重建模型的第一损失函数值。
[0016]根据本专利技术提供的一种图像重建模型的迭代方法，若所述第一损失函数值指示收敛异常，则将所述图像重建模型的第一权重值替换为正常权重值，之前还包括：
[0017]基于所述第一损失函数值和正常损失函数值，确定所述第一损失函数值的增长幅度，所述正常损失函数值是最近一次损失函数值指示收敛正常时的迭代所得的损失函数值；
[0018]若所述增长幅度大于预设增幅阈值，则确定所述第一损失函数值指示收敛异常。
[0019]根据本专利技术提供的一种图像重建模型的迭代方法，所述基于所述第一损失函数值和所述正常损失函数值，确定所述第一损失函数值的增长幅度，包括：
[0020]若所述第一迭代的连续迭代次数达到预设次数，则基于所述第一损失函数值和所述正常损失函数值，确定所述第一损失函数值的增长幅度。
[0021]根据本专利技术提供的一种图像重建模型的迭代方法，所述对所述第二损失函数值指示收敛正常后的图像重建模型进行第一迭代，之前还包括：
[0022]基于所述第二损失函数值和正常损失函数值，确定所述第二损失函数值的增长幅度，所述正常损失函数值是最近一次损失函数值指示收敛正常时的迭代所得的损失函数值；
[0023]若所述增长幅度小于等于预设增幅阈值，则确定所述第二损失函数值指示收敛正常。
[0024]根据本专利技术提供的一种图像重建模型的迭代方法，所述第二迭代的学习率是基于所述第一迭代的学习率、所述第一损失函数值以及正常损失函数值确定的，所述正常损失函数值是最近一次损失函数值指示收敛正常时的迭代所得的损失函数值。
[0025]本专利技术还提供一种图像重建方法，包括：
[0026]获取原始数据；
[0027]基于图像重建模型，确定所述原始数据的重建图像，所述图像重建模型是基于如上述任一项所述的图像重建模型的迭代方法确定的。
[0028]本专利技术还提供的一种图像重建模型的迭代装置，包括：
[0029]迭代单元，用于基于原始数据，对图像重建模型进行第一迭代，得到所述图像重建模型的第一权重值和第一损失函数值；若所述第一损失函数值指示收敛异常，则将所述图像重建模型的第一权重值替换为正常权重值，并对权重值替换后的图像重建模型进行第二迭代，直至所述第二迭代所得的第二损失函数值指示收敛正常，对所述第二损失函数值指示收敛正常后的图像重建模型进行第一迭代，所述第一迭代的学习率大于所述第二迭代的学习率，所述正常权重值是最近一次损失函数值指示收敛正常的迭代所得的权重值；
[0030]重建图像确定单元，用于把满足迭代完成条件的图像重建模型依据其权重值产生的图像作为最终生成的重建图像。
[0031]本专利技术还提供的一种图像重建装置，包括：
[0032]原始数据获取单元，用于获取原始数据；
[0033]图像重建单元，用于基于图像重建模型，确定所述原始数据的重建图像，所述图像重建模型是基于如上述任一项所述的图像重建模型的迭代方法确定的。
[0034]本专利技术还提供一种电子设备，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程序时实现如上述任一种所述的图像重建模型的迭代方法，或如上述所述的图像重建方法的步骤。
[0035]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的图像重建模型的迭代方法，或如上述所述的图像重建方法的步骤。
[0036]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的图像重建模型的迭代方法，或如上述所述的图像重建方法的步骤。
[0037]本专利技术提供的图像重建模型的迭代方法和图像重建方法，若图像重建模型经过第一迭代所得的第一损失函数值指示收敛异常，则将第一权重值替换为正常权重值，并对权重值替换后的图像重建模型进行第二迭代，直至第二迭代所得的第二损失函数值指示收敛正常，并对第二损失函数值指示收敛正常后的图像重建模型进行第一迭代，其中，第一迭代的学习率大于第二迭代的学习率，在不改变模型原有结构、不影响模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像重建模型的迭代方法，其特征在于，包括：基于原始数据，对图像重建模型进行第一迭代，得到所述图像重建模型的第一权重值和第一损失函数值；若所述第一损失函数值指示收敛异常，则将所述图像重建模型的第一权重值替换为正常权重值，并对权重值替换后的图像重建模型进行第二迭代，直至所述第二迭代所得的第二损失函数值指示收敛正常，对所述第二损失函数值指示收敛正常后的图像重建模型进行第一迭代，所述第一迭代的学习率大于所述第二迭代的学习率，所述正常权重值是最近一次损失函数值指示收敛正常的迭代所得的权重值；把满足迭代完成条件的图像重建模型依据其权重值产生的图像作为最终生成的重建图像。2.根据权利要求1所述的图像重建模型的迭代方法，其特征在于，所述基于原始数据，对图像重建模型进行第一迭代，得到所述图像重建模型的第一权重值和第一损失函数值，包括：利用图像重建模型对于初始随机权重值输出预估重建图像；基于所述原始数据以及所述预估重建图像，确定所述图像重建模型的第一损失函数值；基于所述第一损失函数值，对所述图像重建模型进行第一迭代，得到所述第一权重值。3.根据权利要求2所述的图像重建模型的迭代方法，其特征在于，所述基于所述原始数据以及所述预估重建图像，确定所述图像重建模型的第一损失函数值，包括：对所述预估重建图像进行图像变换，基于图像变换所得的第一预估图像的变换数据，以及所述原始数据，确定所述图像重建模型的第一损失函数值。4.根据权利要求1至3中任一项所述的图像重建模型的迭代方法，其特征在于，若所述第一损失函数值指示收敛异常，则将所述图像重建模型的第一权重值替换为正常权重值，之前还包括：基于所述第一损失函数值和正常损失函数值，确定所述第一损失函数值的增长幅度，所述正常损失函数值是最近一次损失函数值指示收敛正常时的迭代所得的损失函数值；若所述增长幅度大于预设增幅阈值，则确定所述第一损失函数值指示收敛异常。5.根据权利要求4所述的图像重建模型的迭代方法，其特征在于，所述基于所述第一损失函数值和所述正常损失函数值，确定所述第一损失函数值的增长幅度，包括：若所述第一迭代的连续迭代次数达到预设次数，则基于所述第一损失函数值和所述正常损失函数值，确定所述第一损失函数值的增长幅度。6.根据权利要求1至3中任一项所述的图像重建模型的迭代方法，其特征在于，所述对所述第二损失函数值指示收敛正常后的图像重建模型进行第一迭代，之前还包括：基于所述第二损失函数值和正常损失函数值，...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：上海壁仞智能科技有限公司，
类型：发明
国别省市：