[发明专利]一种图像处理方法及装置、电子设备和存储介质

说明书

本公开涉及一种图像处理方法及装置、电子设备和存储介质，可用于对医学图像进行处理，所述方法包括：利用源域和目标域中的第一样本图像，通过第二网络监督第一网络训练，更新所述第一网络的参数，得到所述第一网络的第一更新参数；利用源域中带有标注的第二样本图像对所述第一网络进行训练，更新所述第一网络的参数，得到所述第一网络的第二更新参数；根据所述第一网络的更新参数，更新所述第二网络的参数，所述更新参数包括：所述第一更新参数和所述第二更新参数；迭代执行上述步骤，直至所述第二网络的输出结果满足预定收敛条件，所述第二网络用于对图像进行处理。本公开实施例训练得到的网络在目标域中图像处理的准确性较高。

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

迁移学习(Transfer Learning)可利用数据、任务或网络之间的相似性，将在旧领域(即源域)学习过的网络，应用于新领域(即目标域)。

由于源域和目标域的数据存在差异，通过源域数据训练的网络不能直接用于目标域进行预测。因此，在进行迁移学习的过程中，会对目标域中的样本进行标注来监督网络在目标域中训练，以更好地应用于目标域中。

但是，对于一些领域，对样本进行准确的人工标注是非常困难的，这导致迁移学习无法应用到这些领域。

发明内容

本公开提出了一种图像处理技术方案。

根据本公开的一方面，提供了一种图像处理方法，包括：

利用源域和目标域中的第一样本图像，通过第二网络监督第一网络训练，更新所述第一网络的参数，得到所述第一网络的第一更新参数；

利用源域中带有标注的第二样本图像对所述第一网络进行训练，更新所述第一网络的参数，得到所述第一网络的第二更新参数；

根据所述第一网络的更新参数，更新所述第二网络的参数，所述更新参数包括：所述第一更新参数和所述第二更新参数；

迭代执行上述步骤，直至所述第二网络的输出结果满足预定收敛条件，所述第二网络用于对图像进行处理。

在一种可能的实现方式中，所述利用源域和目标域中的第一样本图像，通过第二网络监督第一网络训练，更新所述第一网络的参数，包括：

将所述第一样本图像分别输入到所述第一网络和所述第二网络中，得到所述第一网络输出的第一结果，以及所述第二网络输出的第二结果；

利用所述第一结果相对于所述第二结果的损失，更新所述第一网络的参数。

在一种可能的实现方式中，所述根据所述第一网络的更新参数，更新所述第二网络的参数，包括：

根据更新得到的所述第一网络的更新参数的滑动平均值，更新所述第二网络的参数。

在一种可能的实现方式中，所述根据所述第一网络的更新参数，更新所述第二网络的参数，包括：

确定所述第一网络的更新参数与所述第二网络的参数的加权平均值，所述第一网络的更新参数的权重小于所述第二网络的参数的权重；

利用所述加权平均值更新所述第二网络的参数。

在一种可能的实现方式中，在所述通过第二网络监督第一网络训练，更新所述第一网络的参数前，还包括：

对所述源域和目标域中的样本图像进行归一化处理，得到第一样本图像；和/或，

将所述源域和目标域中的样本图像的分辨率调整一致，得到图像分辨率统一的第一样本图像；和/或，

在所述源域和目标域中的样本图像中加入高斯噪声，得到第一样本图像。