【技术实现步骤摘要】
图像处理模型训练方法及相关装置、设备和存储介质
[0001]本申请涉及深度学习
,特别是涉及一种图像处理模型训练方法及相关装置、设备和存储介质。
技术介绍
[0002]深度学习的快速发展,神经网络算法的日益改进,计算准确度也相应提高。目前,各行各业使用神经网络模型进行工作已经成为常态。例如,在医学领域,利用神经网络模型进行医学图像分割。又如,在交通领域,利用神经网络模型进行车辆识别。
[0003]目前,需要使用相当多的像素级的稠密标注数据来对模型进行训练才能获得比较的效果。但是,像素级的稠密标注数据获得具有一定的难度,成本较高,这也使得训练神经网络的成本较高,限制了神经网络的进一步普及。
[0004]因此,如何改进神经网络的训练方法,使得即使面对稀疏标注,也能够训练神经网络,满足一定的精度要求,对于促进神经网络模型的进一步普及,具有重要的意义。
技术实现思路
[0005]本申请至少提供一种图像处理模型训练方法及相关装置、设备和存储介质。
[0006]本申请第一方面提供了一种图像处理模型训练方法,方法包括:获取样本图像集;其中,样本图像集包括第一样本图像和样本相关图像,第一样本图像标注有目标对象的样本轮廓,样本相关图像的像素点的像素值表示包括第一样本图像中的第一像素点与样本轮廓的样本相关度;利用第一处理模型对第一样本图像进行预测,得到预测图像集;其中,预测图像集包括预测相关图像,预测相关图像包括第一像素点经预测与样本轮廓的预测相关度;基于样本相关图像与预测相关图像,获取第一 ...
【技术保护点】
【技术特征摘要】
1.一种图像处理模型训练方法,其特征在于,包括:获取样本图像集;其中,所述样本图像集包括第一样本图像和样本相关图像,所述第一样本图像标注有目标对象的样本轮廓,所述样本相关图像的像素点的像素值表示所述第一样本图像中的第一像素点与所述样本轮廓的样本相关度;利用第一处理模型对所述第一样本图像进行预测,得到预测图像集;其中,所述预测图像集包括预测相关图像,所述预测相关图像包括所述第一像素点经预测与所述样本轮廓的预测相关度;基于所述样本相关图像与所述预测相关图像,获取第一差异;基于所述第一差异,调整所述第一处理模型的网络参数。2.根据权利要求1所述的方法,其特征在于,所述样本相关度通过结合所述第一像素点和若干参考维度确定;其中,所述若干参考维度包括像素差异、像素距离中至少一者;和/或,所述第一样本图像为医学图像,所述目标对象为目标组织,所述目标对象的样本轮廓为所述目标组织的样本轮廓。3.根据权利要求1或2所述的方法,其特征在于,所述样本相关图像的获取步骤,包括:基于所述第一像素点分别与所述样本轮廓上各个像素点之间的距离,选择一个所述像素点作为所述第一像素点的参考像素点;基于所述第一像素点与所述参考像素点之间的像素距离和/或像素差异,得到所述第一像素点与所述样本轮廓的样本相关度;基于各个所述第一像素点的样本相关度,得到所述样本相关图像。4.根据权利要求3所述的方法,其特征在于,所述基于所述第一像素点分别与所述样本轮廓上各个像素点之间的距离,选择一个所述像素点作为所述第一像素点的参考像素点,包括:在所述样本轮廓上,选择与所述第一像素点之间所述距离最近的像素点,作为所述第一像素点的参考像素点。5.根据权利要求3所述的方法,其特征在于,所述第一样本图像分别标注有至少一个所述目标对象的样本轮廓,所述第一像素点在各个所述目标对象的样本轮廓上均选择有所述参考像素点;所述基于所述第一像素点与所述参考像素点之间的像素距离和/或像素差异,得到所述第一像素点与所述样本轮廓的样本相关度,包括:基于所述第一像素点分别与各个所述参考像素点之间的像素距离和/或像素差异,得到所述第一像素点分别与各个所述目标对象的样本轮廓的子相关度;融合所述第一像素点的各个所述子相关度,得到所述第一像素点的样本相关度。6.根据权利要求3所述的方法,其特征在于,所述第一样本图像分别标注有至少一个所述目标对象的样本轮廓,所述第一像素点在各个所述目标对象的样本轮廓上均选择有所述参考像素点,且所述样本图像集包括各个所述目标对象分别对应的样本相关图像;所述基于所述第一像素点与所述参考像素点之间的像素距离和/或像素差异,得到所述第一像素点与所述样本轮廓的样本相关度,包括:基于所述第一像素点分别与各个所述参考像素点之间的像素距离和/或像素差异,得到所述第一像素点分别与各个所述目标对象的样本轮廓的子相关度;所述基于各个所述第一像素点的样本相关度,得到所述样本相关图像,包括:
对于各个所述目标对象,基于各个所述第一像素点分别与所述目标对象的样本轮廓的子相关度,得到所述目标对象对应的样本相关图像。7.根据权利要求6所述的方法,其特征在于,所述预测图像集包括各个所述目标对象分别对应的预测相关图像,所述基于所述样本相关图像与所述预测相关图像,获取第一差异,包括:对于各个所述目标对象,基于所述目标对象对应的所述样本相关图像和所述预测相关图像,得到所述目标对象对应的子差异;融合各个所述目标对象分别对应的子差异,得到所述第一差异。8.根据权利要求1
‑
7任一项所述的方法,其特征在于,所述样本图像集包括样本...
【专利技术属性】
技术研发人员:胡敏浩,宋涛,冯世祥,张少霆,
申请(专利权)人:上海商汤智能科技有限公司,
类型:发明
国别省市:
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。