[发明专利]模型训练方法、图像处理方法、装置、终端及存储介质

说明书

本发明实施例公开了一种模型训练方法、图像处理方法、装置、终端及介质，其中模型训练方法包括：获取样本图像、样本图像的类别标签及类别标签的标签值；调用预设图像处理模型根据样本图像中各个像素之间的特征相似性对样本图像进行分割处理，得到至少两个子区域；调用预设图像处理模型根据各个子区域和类别标签之间的相关度对样本图像进行类别预测，得到类别标签的预测值；根据各个子区域的中心坐标、类别标签的标签值及类别标签的预测值，更新预设图像处理模型的网络参数；根据更新后的网络参数对预设图像处理模型进行迭代训练，得到目标图像处理模型。本发明实施例可更好地进行模型训练，提高目标图像处理模型的准确性。

技术领域

本发明涉及互联网技术领域，具体涉及图像处理技术领域，尤其涉及一种模型训练方法、图像处理方法、装置、终端及计算机存储介质。

背景技术

图像处理是一种采用计算机对图像进行分析，以达到所需结果的技术；在图像处理技术领域中，图像的类别预测是一个尤其重要的研究课题。随着神经网络模型的研究推进，通过模型对图像进行类别预测从而得到图像的预测类别的方法逐渐受到了广泛认可。由此可见，如何通过模型训练得到性能完善的模型对后续图像类别预测的准确性尤其重要。

发明内容

本发明实施例提供了一种模型训练方法、图像处理方法、装置、终端及计算机存储介质，可以更好地进行模型训练，提高目标图像处理模型的准确性。

一方面，本发明实施例提供了一种模型训练方法，所述模型训练方法包括：

获取样本图像、所述样本图像的类别标签及所述类别标签的标签值，所述标签值用于表示所述样本图像是否包含所述类别标签所指示的异常特征；

调用预设图像处理模型根据所述样本图像中各个像素之间的特征相似性对所述样本图像进行分割处理，得到至少两个子区域；

调用所述预设图像处理模型根据各个子区域和所述类别标签之间的相关度对所述样本图像进行类别预测，得到所述类别标签的预测值，所述预测值用于表示所述样本图像包含所述类别标签所指示的异常特征的概率；

根据所述各个子区域的中心坐标、所述类别标签的标签值及所述类别标签的预测值，更新所述预设图像处理模型的网络参数；

根据更新后的网络参数对所述预设图像处理模型进行迭代训练，得到目标图像处理模型。

另一方面，本发明实施例提供了一种图像处理方法，该图像处理方法包括：

获取待处理的目标图像；

调用目标图像处理模型对所述目标图像进行类别预测，得到所述目标图像的预测类别标签及所述预测类别标签的预测值；所述目标图像处理模型采用上述模型训练方法对预设图像处理模型进行训练得到，所述预测值用于表示所述目标图像包含所述预测类别标签所指示的异常特征的概率；

输出所述预测类别标签及所述预测类别标签的预测值。

再一方面，本发明实施例提供了一种模型训练装置，该模型训练装置包括：

获取单元，用于获取样本图像、所述样本图像的类别标签及所述类别标签的标签值，所述标签值用于表示所述样本图像是否包含所述类别标签所指示的异常特征；

处理单元，用于调用预设图像处理模型根据所述样本图像中各个像素之间的特征相似性对所述样本图像进行分割处理，得到至少两个子区域；

所述处理单元，用于调用所述预设图像处理模型根据各个子区域和所述类别标签之间的相关度对所述样本图像进行类别预测，得到所述类别标签的预测值，所述预测值用于表示所述样本图像包含所述类别标签所指示的异常特征的概率；

更新单元，用于根据所述各个子区域的中心坐标、所述类别标签的标签值及所述类别标签的预测值，更新所述预设图像处理模型的网络参数；