一种模型训练的方法、装置及相关设备制造方法及图纸

本申请提供了一种模型训练的方法、装置及相关设备，该方法包括以下步骤：提供样本输入接口，样本输入接口用于获取用户输入的源域标注样本和目标域未标注样本，向用户显示目标域未标注样本通过源域模型生成的预测结果，根据修正信息对预测结果进行修正，获得目标域未标注样本的标签，使用目标域未标注样本和标签对源域模型进行更新，输出目标域模型。该方法可以免于开发人员对源域未标注样本进行全部标注，减少人工标注所需的时间，提高目标域模型训练的效率，从而解决图像分割领域的跨域泛化问题。问题。问题。

【技术实现步骤摘要】
一种模型训练的方法、装置及相关设备


[0001]本申请涉及人工智能(Artificial Intelligence,AI)领域，尤其涉及一种模型训练的方法、装置及相关设备。

技术介绍

[0002]图像分割(image segmentation)技术指的是将数字图像细分为多个图像子区域的过程，图像分割的目的是简化或改变图像的表示方式，使得图像更容易被理解和分析。图像分割可以将图像中的一个或者多个目标从背景中分离出来，相同目标所在的区域将被赋予相同的标记，比如图像中的全部行人用绿色标记、全部道路用灰色标记、全部车辆用红色标记等等。在图像分割领域中，跨域泛化是其面临的主要问题之一，跨域泛化指的是使用源域数据训练好的图像分割模型，使用目标域数据进行预测推理时，模型性能会明显下降，例如遥感地物识别场景中，在某个地域训练好的模型，在其他地域使用时，由于地貌变化、天气变化、环境变化等因素，模型性能会明显下降。
[0003]为了解决图像分割模型的跨域泛化问题，往往通过人工标注目标域数据生成新的样本，然后使用新样本对图像分割模型进行训练。但是，图像分割模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练的方法，其特征在于，所述方法包括：提供样本输入接口，所述样本输入接口用于获取用户输入的源域标注样本和目标域未标注样本；向用户显示所述目标域未标注样本通过源域模型生成的预测结果，其中，所述源域模型是使用所述源域标注样本对神经网络进行训练后获得的，所述预测结果包括分割结果和分类结果，所述分类结果包括所述目标域未标注样本所属的多个类别，所述分割结果包括所述目标域未标注样本中每个像素所属的类别；接收用户输入的修正信息，根据所述修正信息对所述预测结果进行修正，获得所述目标域未标注样本的标签，使用所述目标域未标注样本和所述标签对所述源域模型进行更新，输出目标域模型，所述标签包括对所述分类结果进行修正后获得的分类标签以及对所述分割结果进行修正后获得的分割标签。2.根据权利要求1所述的方法，其特征在于，所述神经网络包括特征提取单元、图像分割单元和多类别分类单元，所述特征提取单元用于获得所述目标域未标注样本的特征图，所述多类别分类单元用于根据所述特征图生成所述分类结果，所述图像分割单元用于生成所述分割结果。3.根据权利要求2所述的方法，其特征在于，所述分割结果是所述图像分割单元根据第一类别响应图和第二类别响应图生成的，其中，所述第一类别响应图是所述多类别分类单元根据第一监督信号生成的，所述第二类别响应图是所述图像分割单元根据第二监督信号生成的，所述第一类别响应图和所述第二类别响应图包括所述特征图中每个像素所属类别的评定信息logits，所述logits用于获取所述每个像素所属类别的概率信息，所述第一监督信号为图像级类别信息，所述第二监督信号为像素级类别信息。4.根据权利要求2或3所述的方法，其特征在于，所述修正信息包括所述分割结果的修正信息，所述接收用户输入的修正信息，根据所述修正信息对所述预测结果进行修正包括：接收用户操作，所述用户操作包括在所述预测结果通过过滤框来框选出待过滤区域；确定所述待过滤区域的面积不大于阈值的情况下，对所述分割结果进行修正，使得所述显示框内的图像区域中每个像素所属的类别与所述显示框周围图像区域中每个像素所属的类别相同。5.根据权利要求2至4任一权利要求所述的方法，其特征在于，所述修正信息包括所述分类结果的修正信息，所述接收用户输入的修正信息，根据所述修正信息对所述预测结果进行修正包括：接收用户操作，根据用户操作对所述分类结果中的错误分类进行修正。6.一种模型训练装置，其特征在于，所述装置包括：输入单元，用于提...

【专利技术属性】
技术研发人员：王秀东，金鑫，涂丹丹，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：