[发明专利]模型训练方法、图像处理方法、装置和电子设备

说明书

本公开提供了模型训练方法、图像处理方法、装置和电子设备，涉及人工智能领域，具体为计算机视觉和深度学习技术，可用在图像处理场景下。具体实现方案为：基于第一样本集中各图像的采样概率在第一样本集中进行采样，得到采样图像；利用第一预设模型，得到采样图像的第一预测信息；基于第一预测信息，确定采样图像的损失函数；基于损失函数，更新采样图像的采样概率，并返回基于第一样本集中各图像的采样概率在第一样本集中进行采样的步骤，直至损失函数符合预设条件，确定第一预设模型收敛。根据本公开实施例，可以提高模型收敛速度和模型精度。

技术领域

本公开涉及人工智能领域，具体为计算机视觉和深度学习技术，可用在图像处理场景下。

背景技术

在人工智能领域，图像处理技术被广泛应用于各类计算机视觉任务中，如植物分类、菜品识别、地标识别等。在图像处理场景中，如何提高已有模型的精度，一直是最值得探索的问题之一。

发明内容

本公开提供了一种模型训练方法、图像处理方法、装置、电子设备、存储介质和计算机程序产品。

根据本公开的一方面，提供了一种模型训练方法，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，得到采样图像的第一预测信息；

基于第一预测信息，确定采样图像的损失函数；

基于损失函数，更新采样图像的采样概率，并返回基于第一样本集中各图像的采样概率在第一样本集中进行采样的步骤，直至损失函数符合预设条件，确定第一预设模型收敛。

根据本公开的另一方面，提供了一种图像处理方法，包括：

获取待处理图像；

将待处理图像输入第一预设模型，得到第一预设模型输出的第三预测信息；其中，第一预设模型是根据本公开任一实施例中的模型训练方法训练至收敛的。

根据本公开的另一方面，提供了一种模型训练装置，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，得到采样图像的第一预测信息；

确定模块，用于基于第一预测信息，确定采样图像的损失函数；

更新模块，用于基于损失函数，更新采样图像的采样概率，并返回基于第一样本集中各图像的采样概率在第一样本集中进行采样的步骤，直至损失函数符合预设条件，确定第一预设模型收敛。

根据本公开的另一方面，提供了一种图像处理方法，包括：

获取模块，用于获取待处理图像；

输出模块，用于将待处理图像输入第一预设模型，得到第一预设模型输出的第三预测信息；其中，第一预设模型是根据本公开任一实施例中的模型训练方法训练至收敛的。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。