【技术实现步骤摘要】
本申请涉及机器学习领域，尤其涉及模型训练方法、电子设备及计算机可读存储介质。
技术介绍
1、电子设备常使用神经网络模型处理图像。例如，电子设备可以使用神经网络模型对图像进行去噪、去模糊、超分辨率，或者电子设备还可以使用神经网络模型识别图像中的物体，分割图像等。有时用来训练神经网络模型的难样本和易样本数量不均衡，导致神经网络模型得不到充分的训练，使其在处理图像时能力较差。
技术实现思路
1、本申请提供模型训练方法、电子设备及计算机可读存储介质。在该方法中，电子设备可以分别计算图像中平坦区域和细节区域的损失值，然后基于平坦区域和细节区域的损失值对损失函数进行调整。这样电子设备在训练神经网络模型时样本图像的平坦区域和细节区域对损失函数梯度值的贡献一致，可以使神经网络模型得到更充分的训练。
2、第一方面，本申请提供了一种模型训练方法，该方法应用于电子设备，包括：电子设备将第一图像输入到图像处理模型，第一图像为用于训练图像处理模型的图像，第一图像中包括第一区域和第二区域；电子设备基于第一...
【技术保护点】
1.一种模型训练方法，所述方法应用于电子设备，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一区域像素点的数量与所述第二区域像素点的数量的比值大于第一比值。
3.根据权利要求1或2所述的方法，其特征在于，所述第一区域中每个像素点的像素值与其周围一个或多个像素点的像素值的差值小于等于第二阈值；所述第二区域中每个像素点的像素值与其周围一个或多个像素点的像素值的差值大于所述第二阈值。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述电子设备基于所述第三损失函数、所述第二图像和所述第三图像调整所述图像处理模型...
【技术特征摘要】
1.一种模型训练方法，所述方法应用于电子设备，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一区域像素点的数量与所述第二区域像素点的数量的比值大于第一比值。
3.根据权利要求1或2所述的方法，其特征在于，所述第一区域中每个像素点的像素值与其周围一个或多个像素点的像素值的差值小于等于第二阈值；所述第二区域中每个像素点的像素值与其周围一个或多个像素点的像素值的差值大于所述第二阈值。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述电子设备基于所述第三损失函数、所述第二图像和所述第三图像调整所述图像处理模型的参数之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述第三区域中每个像素点的像素值与其周围一个或多个像素点的像素值的差值小于等于所述第二阈值；所述第四区域中每个像素点的像素值与其周围一个或多个像素点的像素值的差值大于所述第二阈值。
6.根据权利...
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。