[发明专利]一种目标域检测网络的训练方法、装置、设备及存储介质

说明书

本发明公开了一种目标域检测网络的训练方法、装置、设备及存储介质。该方法包括：基于源域数据和目标域数据构建编码网络、源域检测网络和目标域检测网络；根据目标函数更新编码网络、源域检测网络和目标域检测网络，直至目标函数的值满足设定条件，更新过程中，源域检测网络和目标域检测网络之间满足最大均值差异约束关系；将目标函数的值满足设定条件的情况下的目标域检测网络作为训练后的目标域检测网络。上述技术方案，根据源域数据训练得到用于识别目标域数据的检测网络，提高了对目标域数据识别的准确性并降低了目标域检测网络的数据成本。

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及一种目标域检测网络的训练方法、装置、设备及存储介质。

背景技术

随着医学影像设备和人工智能技术的高速发展，医学数据大规模增长，基于深度学习的人工智能医学影像的分析得到了逐步应用。根据大量的有标签数据可以训练一个深度神经网络，应用该深度神经网络可以检测特定的特征，从而对图像进行识别和分类，极大地降低了医生的工作负担，并提高了诊断效率和准确率。

对于深度神经网络，需要大量有标签的样本数据来训练模型，但是在医学领域，获取大量的医学图像比较困难，训练的数据成本较高；以利用电子计算机断层扫描(ComputedTomography，CT)设备拍摄的胸部CT图像检测肺结节的情况为例，不同型号的CT设备拍出的胸部CT图像之间具有明显的差异，如果直接将这些存在差异的图片混在一起训练神经网络，虽然数据量足够，但图像之间的差异反而会导致训练效果变差，影响检测准确性，并且样本数据难以全面覆盖各种数据类型，一旦更换其他型号的CT设备的CT图像数据，识别准确率依然较低。

发明内容

本发明提供了一种目标域检测网络的训练方法、装置、设备及存储介质，以实现对跨域数据的准确检测，提高了对目标域数据识别的准确性并降低了目标域检测网络的数据成本。

第一方面，本发明实施例提供了一种目标域检测网络的训练方法，包括：

基于源域数据和目标域数据，构建编码网络、源域检测网络和目标域检测网络，其中，所述编码网络用于提取所述源域数据和所述目标域数据的特征，所述源域检测网络用于识别所述源域数据的特征，所述目标域检测网络用于识别所述目标域数据的特征；

根据目标函数更新所述编码网络、所述源域检测网络和所述目标域检测网络，直至所述目标函数的值满足设定条件，更新过程中，所述源域检测网络和所述目标域检测网络之间满足最大均值差异(Maximum Mean Discrepancy，MMD)约束关系；

将目标函数的值满足设定条件的情况下的目标域检测网络作为训练后的目标域检测网络。

第二方面，本发明实施例提供了一种目标域数据的识别装置，包括：

网络构建模块，用于基于源域数据和目标域数据，构建编码网络、源域检测网络和目标域检测网络，其中，所述编码网络用于提取所述源域数据和所述目标域数据的特征，所述源域检测网络用于识别所述源域数据的特征，所述目标域检测网络用于识别所述目标域数据的特征；

更新模块，用于根据目标函数更新所述编码网络、所述源域检测网络和所述目标域检测网络，直至所述目标函数的值满足设定条件，更新过程中，所述源域检测网络和所述目标域检测网络之间满足最大均值差异约束关系；

识别模块，用于将目标函数的值满足设定条件的情况下的目标域检测网络作为训练后的目标域检测网络。

第三方面，本发明实施例提供了一种设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的目标域检测网络的训练方法。