[发明专利]一种检测模型的训练方法、装置及终端设备

权利要求书

1.一种检测模型的训练方法，其特征在于，包括：

确定初始训练模型，所述初始训练模型中包括初始检测模型和自适应模型；

确定训练样本，所述训练样本中包括源域数据和目标域数据，所述源域数据中包括多个第一用户身体器官图像，各个第一用户身体器官图像中是否包括病变目标的第一标识及各个第一用户身体器官图像所属域的第二标识；所述目标域数据中包括多个第二用户身体器官图像及各个第二用户身体器官图像所属域的第三标识；

由所述初始检测模型根据各个第一用户身体器官图像的特征分别确定各个第一用户身体器官图像中是否包括病变目标，得到检测结果；及由所述自适应模型根据各个用户身体器官图像的特征分别确定所述训练样本中各个用户身体器官图像所属域，得到域分类结果；

根据所述检测结果和域分类结果及所述第一标识、第二标识和第三标识，计算与所述初始训练模型相关的损失函数值；

根据所述损失函数值调整所述初始训练模型中的固定参数值，以得到最终的检测模型；所述最终的检测模型，用于确定待检测用户身体器官图像中是否包括病变目标，若包括病变目标，确定所述病变目标的类型和位置；对于所述第一用户身体器官图像中的部分用户身体器官图像，所述部分用户身体器官图像中包括病变目标，所述源域数据中还包括：所述部分用户身体器官图像中包括的病变目标的类型和位置；

所述计算与所述初始训练模型相关的损失函数值之前，所述方法还包括：通过所述初始检测模型分别确定所述部分用户身体器官图像中所包括的病变目标的类型和位置，得到目标检测结果；

所述计算与所述初始训练模型相关的损失函数值，具体包括：根据所述检测结果、域分类结果和目标检测结果及所述第一标识、第二标识和第三标识，计算与所述初始训练模型相关的损失函数值。

2.如权利要求1所述的方法，其特征在于，所述与所述初始训练模型相关的损失函数值，具体包括：检测损失函数和自适应损失函数的函数计算值，其中：

所述检测损失函数包括：用于表示根据所述初始检测模型确定的第一用户身体器官图像是否包括病变目标的信息，与所述训练样本中的第一标识之间的第一误差；及用于表示根据所述初始检测模型确定的所述部分用户身体器官图像中病变目标的类型和位置，与所述训练样本中部分用户身体器官图像中病变目标的类型和位置的之间的第三误差；

所述自适应损失函数包括：用于表示根据所述自适应模型确定的训练样本中各个用户身体器官图像属于源域或目标域的信息，与所述训练样本中第二标识和第三标识之间的第二误差。

3.如权利要求1所述的方法，其特征在于，所述确定初始训练模型具体包括：

确定所述初始检测模型包括特征提取模块和检测分类模块，所述自适应模型包括域分类模块，其中：所述检测分类模块用于根据所述特征提取模块提取的特征进行是否有病变目标的分类；所述域分类模块用于根据所述特征提取模块提取的特征进行域分类；

确定所述初始检测模型与自适应模型中固定参数的初始值；

所述根据所述损失函数值调整所述初始训练模型中的固定参数值，具体包括：根据所述损失函数值调整所述固定参数的初始值。

4.如权利要求3所述的方法，其特征在于，所述自适应模型中还包括梯度反转模块；

所述梯度反转模块用于将所述特征提取模块提取的特征传递给所述域分类模块，且用于在调整所述固定参数值时，对所述域分类模块的误差进行反转，以根据所述反转后的误差调整所述特征提取模块中的固定参数值。

5.如权利要求3所述的方法，其特征在于，

所述特征提取模块包括中间特征提取模块和最终特征提取模块，则所述域分类模块用于根据所述中间特征提取模块或最终特征提取模块提取的特征进行域分类；

所述域分类模块有一个或多个。

6.如权利要求1至5任一项所述的方法，其特征在于，如果对所述固定参数值的调整满足如下任一停止条件，则停止对所述固定参数值的调整：

对所述固定参数值的调整次数达到预置的次数，当前调整的固定参数值与上一次调整的固定参数值的差值小于一阈值。