[发明专利]模型训练、样本生成方法、电子设备及存储介质

说明书

本申请实施例提供一种模型训练、样本生成方法、电子设备及存储介质。本申请实施例提供的模型训练方法中，基于对数量较少的目标图像样本和背景图像样本做图像合成处理，可得到数量较多的训练样本。在这种实施方式中，不同的目标图像样本可以和不同的背景图像样本进行合成，增加了获取样本的灵活度，有效扩充了训练样本的样本容量，有利于提升图像分割模型的泛化性能。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种模型训练、样本生成方法、电子设备及存储介质。

背景技术

在一些图像处理的应用场景中，存在图像分割的需求。该需求通常指示将图像中的某一图像区域从整幅图像中分割出来，以基于该分割得到的图像区域执行其他的图像处理操作。

现有技术中，常采用图像分割模型实现图像分割。训练图像分割模型之前，往往需要预先准备大量的训练训练样本。但是，现有的获取训练训练样本的方式不够灵活，使得容量有限的训练样本无法覆盖尽可能多的图像分割场景。因此，有待提出一种新的解决方案。

发明内容

本申请的多个方面提供一种模型训练、样本生成方法、电子设备及存储介质，用以提供一种灵活地获取训练样本的方式，以有效扩充样本容量。

本申请实施例提供一种模型训练方法，包括：响应训练图像分割模型的请求，根据第一数量的目标图像样本和第二数量的背景图像样本进行图像合成处理，得到第三数量的训练样本；其中，第三数量大于第一数量和第二数量之和；根据所述第三数量的训练样本，训练所述图像分割模型。

本申请实施例还提供一种样本生成方法，包括：获取第一数量的目标图像样本以及第二数量的背景图像样本；将所述第一数量的目标图像样本分别和所述第二数量的背景图像样本进行图像合成处理，得到第三数量的训练样本；其中，第三数量大于第一数量和第二数量之和。

本申请实施例还提供一种样本生成方法，包括：获取第一数量的目标图像样本，以及按照背景图像的读取概率从背景图像样本数据库中读取第二数量的背景图像样本；其中，所述读取概率与结果样本的分布特征适配；对所述第一数量的目标图像样本和所述第二数量的背景图像样本进行图像合成，得到第三数量的所述结果样本。

本申请实施例还提供一种样本生成方法，包括：获取第一数量的目标音频样本，以及按照背景音频样本的读取概率从背景音频样本数据库中读取第二数量的背景音频样本；其中，所述读取概率与结果样本的分布特征适配；对所述第一数量的目标音频样本和所述第二数量的背景音频样本进行音频合成，得到第三数量的结果样本。

本申请实施例还提供一种模型训练方法，包括：确定神经网络模型，并将训练样本输入所述神经网络模型；在所述神经网络模型的输出层输出对训练样本进行分割得到的预测分割结果；所述预测分割结果包括所述训练样本上的像素的预测概率，以及所述训练样本上的目标图像和背景图像的预测边界的分布特征；在所述神经网络模型的损失层根据所述预测概率以及所述预测概率和损失函数计算权重的负相关关系，计算第一损失函数，以及，根据所述预测边界的分布特征计算第二损失函数；并根据所述第一损失函数和所述第二损失函数，计算所述图像分割模型的混合损失函数，以根据所述混合损失函数对所述图像分割模型进行迭代训练。

本申请实施例还提供一种模型训练设备，包括：存储器和处理器；所述存储器用于存储一条或多条计算机指令；所述处理器用于执行所述一条或多条计算机指令以用于执行本申请实施例提供的各方法中的步骤。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现本申请实施例提供的各方法中的步骤。

本申请实施例提供的模型训练方法中，基于对数量较少的目标图像样本和背景图像样本做图像合成处理，可得到数量较多的训练样本。在这种实施方式中，不同的目标图像样本可以和不同的背景图像样本进行合成，增加了获取样本的灵活度，有效扩充了训练样本的样本容量，有利于提升图像分割模型的泛化性能。