【技术实现步骤摘要】
网络模型训练方法、装置、设备、介质及程序产品
[0001]本公开涉及深度学习
,尤其涉及图像分割
,公开了一种网络模型训练方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质、计算机程序产品。
技术介绍
[0002]医学图像分割领域主要可分为两大类型的分割,一种是结构分割(例如脑组织、肺部、肝脏及心脏等),另一种是病灶分割。近年来深度学习在医学图像分割领域取得了非常好的效果,具有高鲁棒、精度更高、速度更快的优势。一般来讲,深度学习需要大量的标注数据来完成模型的训练,然而由于医学图像主要为三维影像,且医学图像质量较传统自然图像相比对比度差,标注难度大、标注非常耗时,导致医学图像分割领域,标注数据量都比较少,这极大地限制了深度学习在医学图像分割领域中的应用。
技术实现思路
[0003]本公开至少提供了一种网络模型训练方法、装置、设备、程序产品以及存储介质。
[0004]根据本公开的一方面,提供了一种网络模型训练方法,包括:
[0005]基于多张第一样本图像针对目标对象的标注信息,生成目标对象对应的概率图谱;
[0006]基于概率图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练,得到预训练模型;
[0007]基于多张第三样本图像和第三样本图像对目标对象的标注信息,对预训练模型进行训练,得到针对目标对象的图像分割模型。
[0008]根据本公开的另一方面,提供了一种网络模型训练方法,包括:
[0009]基于
【技术保护点】
【技术特征摘要】
1.一种网络模型训练方法,包括:基于多张第一样本图像针对目标对象的标注信息,生成所述目标对象对应的概率图谱;基于所述概率图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练,得到预训练模型;基于多张第三样本图像和第三样本图像对目标对象的标注信息,对所述预训练模型进行训练,得到针对所述目标对象的图像分割模型。2.根据权利要求1所述的方法,其中,所述概率图谱包括预设尺寸的图像中各个像素点属于目标对象的概率;所述基于所述概率图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练,得到预训练模型,包括:对所述概率图谱中包括的各个概率进行取反操作,得到目标图谱;基于所述目标图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练,得到预训练模型。3.根据权利要求2所述的方法,其中,所述基于所述目标图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练,得到预训练模型,包括:针对每张第二样本图像,将所述第二样本图像分割成多个图像块,并掩膜掉至少一个图像块;将各张第二样本图像剩余的图像块输入待训练的预训练模型,得到各张第二样本图像对应的预测还原图像;基于各张第二样本图像、各张预测还原图像以及所述目标图谱,确定图像恢复损失信息;基于所述图像恢复损失信息,以恢复各张第二样本图像中被掩膜掉的图像块为目标,对所述待训练的预训练模型进行训练,得到训练好的预训练模型。4.根据权利要求2或3所述的方法,其中,所述预设尺寸的图像与所述第二样本图像具有相同的分辨率和尺寸。5.根据权利要求1至4任一项所述的方法,其中,所述基于多张第一样本图像针对目标对象的标注信息,生成所述目标对象对应的概率图谱,包括:针对每张第一样本图像,基于所述第一样本图像针对目标对象的标注信息,生成所述第一样本图像针对所述目标对象的掩膜图像;基于各张第一样本图像对应的掩膜图像,生成所述目标对象对应的概率图谱。6.根据权利要求5所述的方法,其中,所述基于所述第一样本图像针对目标对象的标注信息,生成所述第一样本图像针对所述目标对象的掩膜图像,包括:对第一样本图像进行第一预处理操作,得到具有预设分辨率的第一图像;对第一图像进行第二预处理操作,得到具有预设尺寸的第二图像;基于所述第一样本图像针对目标对象的标注信息和第二图像,生成所述目标对象对应的掩膜图像。7.根据权利要求1至6任一项所述的方法,其中,所述基于多张第三样本图像和第三样本图像对目标对象的标注信息,对所述预训练模型进行训练,得到针对所述目标对象的图
像分割模型,包括:将各张所述第三样本图像分割成多个图像块,并将各张第三样本图像的图像块输入预训练模型,得到各张第三样本图像对应的预测分割图像;基于各张第三样本图像对目标对象的标注信息、各张预测分割图像,确定图像分割损失信息;基于所述图像分割损失信息,对所述预训练模型进行训练,得到针对所述目标对象的图像分割模型。8.根据权利要求7所述的方法,其中,所述图像分割损失信息包括多个类别的图像分割子损失信息;所述基于所述图像分割损失信息,对所述预训练模型进行训练,得到针对所述目标对象的图像分割模型,包括:基于所述多个类别的图像分割子损失信息,确定目标损失信息;基于所述目标损失信息,对所述预训练模型进行训练,得到针对所述目标对象的图像分割模型。9.根据权利要求1至8任一项所述的方法,其中,所述第一样本图像包括医学图像;和/或,所述第二样本图像包括医学图像;和/或,所述第三样本图像包括医学图像。10.一种网络模型训练方法,包括:基于多张第一样本图像针对目标对象的标注信息,生成所述目标对象对应的概率图谱;基于所述概率图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练,得到图像恢复模型。11.根据权利要求10所述的方法,其中,所述概率图谱包括预设尺寸的图像中各个像素点属于目标对象的概率;所述基于所述概率图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练,得到图像恢复模型,包括:对所述概率图谱中包括的各个概率进行取反操作,得到目标图谱;基于所述目标图谱和多张第二样本图像,以恢复各张第二样本图像中被掩膜掉的图像块为目标...
【专利技术属性】
技术研发人员:刘佳,王兆玮,孙钦佩,杨叶辉,王晓荣,
申请(专利权)人:北京百度网讯科技有限公司,
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。