[发明专利]模型训练方法、图像处理方法、装置和电子设备

权利要求书

1.一种模型训练方法，包括：

基于第一样本集中各图像的采样概率在所述第一样本集中进行采样，得到采样图像；

利用第一预设模型，得到所述采样图像的第一预测信息；

基于所述第一预测信息，确定所述采样图像的损失函数；

基于所述损失函数，更新所述采样图像的采样概率，并返回所述基于第一样本集中各图像的采样概率在所述第一样本集中进行采样的步骤，直至所述损失函数符合预设条件，确定所述第一预设模型收敛。

2.根据权利要求1所述的方法，其中，所述基于所述第一预测信息，确定损失函数，包括：

利用收敛的第二预设模型，得到所述采样图像的第二预测信息；

基于所述第一预测信息和所述第二预测信息，确定所述损失函数。

3.根据权利要求2所述的方法，其中，获取所述收敛的第二预设模型的方式包括：

利用第二样本集以及第二样本集中各图像的标注信息，训练初始的第二预设模型，得到所述收敛的第二预设模型。

4.根据权利要求3所述的方法，其中，所述第一预设模型的网络层数量小于所述第二预设模型的网络层数量。

5.根据权利要求1-4中任一项所述的方法，其中，所述基于所述损失函数，更新所述采样图像的采样概率，包括：

基于所述损失函数，确定所述采样图像的难度因子；

基于所述难度因子，更新所述采样图像的采样概率。

6.根据权利要求1-4中任一项所述的方法，其中，所述利用第一预设模型，得到所述采样图像的第一预测信息，包括：

对所述采样图像进行增强处理，得到输入图像；

将所述输入图像输入至所述第一预设模型，得到所述第一预设模型输出的所述采样图像的第一预测信息。

7.一种图像处理方法，包括：

获取待处理图像；

将所述待处理图像输入第一预设模型，得到所述第一预设模型输出的第三预测信息；其中，所述第一预设模型是根据权利要求1-6中任一项所述的模型训练方法训练至收敛的。

8.一种模型训练装置，包括：

采样模块，用于基于第一样本集中各图像的采样概率在所述第一样本集中进行采样，得到采样图像；

预测模块，用于利用第一预设模型，得到所述采样图像的第一预测信息；

确定模块，用于基于所述第一预测信息，确定所述采样图像的损失函数；

更新模块，用于基于所述损失函数，更新所述采样图像的采样概率，并返回所述基于第一样本集中各图像的采样概率在所述第一样本集中进行采样的步骤，直至所述损失函数符合预设条件，确定所述第一预设模型收敛。

9.根据权利要求8所述的装置，其中，所述确定模块包括：

第一预测单元，用于利用收敛的第二预设模型，得到所述采样图像的第二预测信息；

损失确定单元，基于所述第一预测信息和所述第二预测信息，确定所述损失函数。

10.根据权利要求9所述的装置，还包括：

训练模块，用于利用第二样本集以及第二样本集中各图像的标注信息，训练初始的第二预设模型，得到所述收敛的第二预设模型。

11.根据权利要求9所述的装置，其中，所述第一预设模型的网络层数量小于所述第二预设模型的网络层数量。

12.根据权利要求8-11中任一项所述的装置，其中，所述更新模块包括：

难度确定单元，用于基于所述损失函数，确定所述采样图像的难度因子；

概率更新单元，用于基于所述难度因子，更新所述采样图像的采样概率。