图像分类模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像分类模型的训练方法、装置、电子设备及存储介质。该方法包括：获取图像分类模型的初始训练样本数据；对所述图像分类模型的初始训练样本数据添加噪声，得到噪声图像样本数据；对所述噪声图像样本数据进行去噪，得到图像分类模型的目标训练样本数据；基于所述图像分类模型的初始训练样本数据和所述图像分类模型的目标训练样本数据对待训练的图像分类模型进行训练，得到训练完成的图像分类模型。通过上述技术方案，生成了高保真的目标训练样本数据，从而通过高保真的训练样本数据训练图像分类模型，可以提升模型的学习能力和模型训练精度。习能力和模型训练精度。习能力和模型训练精度。

【技术实现步骤摘要】
图像分类模型的训练方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种图像分类模型的训练方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人工智能技术的发展，人工智能技术被广泛应用于医疗领域中。
[0003]基于深度学习的人工智能方法以大量数据的训练为基础，然而在医疗领域中，医学影像的数据量少、高质量医生标注困难，难以满足训练需求，从而导致图像分类模型训练精度低。

技术实现思路

[0004]本专利技术提供了一种图像分类模型的训练方法、装置、电子设备及存储介质，以提升图像分类模型的训练精度。
[0005]根据本专利技术的一方面，提供了一种图像分类模型的训练方法，包括：
[0006]获取图像分类模型的初始训练样本数据；
[0007]对所述图像分类模型的初始训练样本数据添加噪声，得到噪声图像样本数据；
[0008]对所述噪声图像样本数据进行去噪，得到图像分类模型的目标训练样本数据；
[0009]基于所述图像分类模型的初始训练样本数据和所述图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类模型的训练方法，其特征在于，包括：获取图像分类模型的初始训练样本数据；对所述图像分类模型的初始训练样本数据添加噪声，得到噪声图像样本数据；对所述噪声图像样本数据进行去噪，得到图像分类模型的目标训练样本数据；基于所述图像分类模型的初始训练样本数据和所述图像分类模型的目标训练样本数据对待训练的图像分类模型进行训练，得到训练完成的图像分类模型。2.根据权利要求1所述的方法，其特征在于，在所述获取图像分类模型的初始训练样本数据之后，还包括：对图像分类模型的初始训练样本数据进行预处理，得到预处理之后的初始训练样本数据，其中，预处理方法包括格式转换、归一化中的一项或多项；相应的，所述对所述图像分类模型的初始训练样本数据添加噪声，得到噪声图像样本数据，包括：对所述预处理之后的初始训练样本数据添加噪声，得到噪声图像样本数据。3.根据权利要求1所述的方法，其特征在于，所述对所述图像分类模型的初始训练样本数据添加噪声，得到噪声图像样本数据，包括：通过扩散模型正向传播对所述图像分类模型的初始训练样本数据添加高斯噪声，得到噪声图像样本数据。4.根据权利要求1所述的方法，其特征在于，所述对所述噪声图像样本数据进行去噪，得到图像分类模型的目标训练样本数据，包括：获取添加至所述噪声图像样本数据中的噪声数据；将所述噪声图像样本数据，以及所述添加至所述噪声图像样本数据中的噪声数据输入至编码器
‑
解码器网络模型，得到图像分类模型的目标训练样本数据。5.根据权利要求1所述的方法，其特征在于，所述基于所述图像分类模型的初始训练样本数据和所述图像分类模型的目标训练样本数据对待训练的图像分类模型进行训练，得到训练完成的图像分类模型，包括：基于所述图像分类模型的初始训练样本数据和所述图像分类模型的目标训练样本数据进行自监督学习，得到网络模型初始参数；基于所述网络模型初始参数对待训练的图像分类模型的网络模型参数进...

【专利技术属性】
技术研发人员：刘长东，许文仪，张俊洋，周子捷，
申请(专利权)人：联仁健康医疗大数据科技股份有限公司，
类型：发明
国别省市：