【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,利用神经网络模型进行图像分割已经应用于许多行业。例如,在医学领域,利用神经网络模型进行医学图像分割,可以是对人体器官、血管等分割。
[0003]目前,在对神经网络模型进行图像分割的训练时,现有的损失函数如Dice损失函数、交叉熵损失函数等计算出的损失值,能够反映出预测结果和目标在重合程度上的差异。然而,对于与目标区域不重合的假阳性预测结果(预测结果为目标,但实际是非目标的区域),现有的损失函数无法反映出假阳性预测结果和目标区域的距离差异,这限制了对神经网络模型的训练效果提升。并且,现有的损失函数计算方法的计算量较大,这也降低了神经网络模型的训练速度。
[0004]因此,如何改进神经网络模型的损失值计算方法,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:利用第一图像处理模型对第一样本图像进行目标分割,得到第一预测掩膜图像;基于目标角度,将第一预测掩膜图像和第一样本图像的样本掩膜图像分别投影至相同图像坐标轴,得到第一预测掩膜图像的第一像素分布情况和样本掩膜图像的样本像素分布情况;基于第一像素分布情况和第二像素 ...
【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:利用第一图像处理模型对第一样本图像进行目标分割,得到第一预测掩膜图像;基于目标角度,将所述第一预测掩膜图像和所述第一样本图像的样本掩膜图像分别投影至相同图像坐标轴,得到所述第一预测掩膜图像的第一像素分布情况和所述样本掩膜图像的样本像素分布情况;基于所述第一像素分布情况和所述第二像素分布情况,得到第一差异;基于所述第一差异,调整所述第一图像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,所述目标角度为投影方向与所述图像坐标轴之间的夹角,所述第一像素分布或所述样本像素分布的获取步骤,包括:从掩膜图像中,获取若干组像素点集;其中,连接同组所述像素点集中各像素点的直线与所述投影方向平行;基于各组所述像素点集的像素统计值,得到所述掩膜图像的像素分布情况;其中,在所述掩膜图像为所述第一预测掩膜图像的情况下,所述像素分布情况为所述第一像素分布情况,在所述掩膜图像为所述样本掩膜图像的情况下,所述像素分布情况为所述样本像素分布情况。3.根据权利要求2所述的方法,其特征在于,所述像素统计值包括以下任一者:最大值、平均值、最小值;和/或,所述第一样本图像为包括目标组织的医学图像;和/或,所述像素分布情况以向量形式表示,所述基于各组所述像素点集的像素统计值,得到所述掩膜图像的像素分布情况,包括:获取各组所述像素点集分别对应的所述直线与所述图像坐标轴的交点;基于所述交点在所述图像坐标轴上的坐标值,将各组所述像素点集的像素统计值进行排列,得到所述掩膜图像的分布特征向量。4.根据权利要求1
‑
3任一项所述的方法,其特征在于,所述第一样本图像中包含若干目标对象,且所述第一图像处理模型预测得到各个所述目标对象的第一预测掩膜图像,所述第一样本图像对应标注有各个所述目标对象的样本掩膜图像;所述基于目标角度,将所述第一预测掩膜图像和所述第一样本图像的样本掩膜图像分别投影至相同图像坐标轴,得到所述第一预测掩膜图像的第一像素分布情况和所述样本掩膜图像的样本像素分布情况,包括:对于各个所述目标对象,将所述目标对象的第一预测掩膜图像和所述目标对象的样本掩膜图像,分别朝所述目标角度投影至所述相同图像坐标轴,得到所述目标对象分别对应的所述第一像素分布情况和所述样本像素分布情况;所述基于所述第一像素分布情况和所述第二像素分布情况,得到第一差异,包括:对于各个所述目标对象,基于所述目标对象分别对应的所述第一像素分布情况和所述样本像素分布情况之间的差异,得到所述目标对象对应的子差异;融合所述若干目标对象分别对应的子差异,得到所述第一差异。5.根据权利要求1
‑
4任一项所述的方法,其特征在于,所述目标角度是在若干预设角度中选择得到的,在所述基于所述第一差异,调整所述第一图像处理模型的网络参数之前,所述方法还包括:响应于存在未被选择的预设角度,选择一个未被选择的预设角度作为新的目标角度;
重复执行所述基于目标角度,将所述第一预测掩膜图像和所述第一样本图像的样本掩膜图像分别投影至相同图像坐标轴,得到所述第一预测掩膜图像的第一像素分布情况和所述样本掩膜图像的样本像素分布情况的步骤以及后续步骤,以获取各个所述预设角度分别对应的第一差异;所述基于所述第一差异,调整所述第一图像处理模型的网络参数,包括:融合各个所述预设角度分别对应的第一差异,得到第二差异;基于所述第二差异,调整所述第一图像处理模型的网络参数。6.一种图像处理模型训练方法,其特征在于,包括:利用第一图像处理模型对第一样本图像进行目标分割,得到第一预测掩膜图像;利用第二图像处理模型对第一样本图像的增强样本图像进行目标分割,得到第二预测掩膜图像;其中,所述第二图像处理模型的网络参数基于所述第一图像处理模型的网络参数设置,所述增强...
【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。