[发明专利]图像分类模型的训练方法、图像分类方法、装置及设备

说明书

本申请提供了一种图像分类模型的训练方法、图像分类方法、装置及设备，属于人工智能技术领域。方法包括：获取第一样本数据集；获取第二样本数据集；基于第一样本数据集，采用自监督的方式对图像分类模型进行预训练，得到第一图像分类模型；基于第二样本数据集，对第一图像分类模型进行训练，得到目标图像分类模型。上述技术方案，通过在预训练时引入图像类型标签和染色固定标签，使得第一图像分类模型能够学习到样本染色图像本身的特征，该第一图像分类模型能够对细胞进行较为精确的分类，再基于样本细胞图像和细胞标签对该第一图像分类模型进行训练，能够进一步的提高模型的分类精度，使得训练得到的目标图像分类模型具有较高的分类精度。

技术领域

本申请涉及人工智能技术领域，特别涉及一种图像分类模型的训练方法、图像分类方法、装置及设备。

背景技术

随着人工智能技术的发展，基于大规模数据训练得到的图像分类模型，能够对图像进行分类。其中，图像分类模型的分类精度往往依赖于数据集的质量和难度，如何提高图像分类模型的精度，是一个需要研究的问题。

目前，在训练图像分类模型时，通常是对数据集中的样本图像进行图像增强，将经过图像增强后的样本图像与其他图像进行对比，以提高图像分类模型的分类精度。这样训练得到的图像分类模型，能够较为准确的对自然图像进行分类，如将自然图像分类为动物图像、风景图像或者建筑图像等。

然而，由于医学图像与自然图像的成像方式不同，且医学图像包含更多的分类特征，导致采用上述方案训练得到的图像分类模型在对医学图像进行分类时的分类精度不高。

发明内容

本申请实施例提供了一种图像分类模型的训练方法、图像分类方法、装置、及设备，使得训练得到的图像分类模型具有较高的分类精度。所述技术方案如下：

一方面，提供了一种图像分类模型的训练方法，所述方法包括：

获取第一样本数据集，所述第一样本数据集包括多个样本染色图像、所述样本染色图像的图像类型标签以及染色固定标签，所述样本染色图像包括经过染色的多个细胞，所述染色固定标签用于指示对应样本染色图像的染色固定方式；

获取第二样本数据集，所述第二样本数据集包括多个样本细胞图像以及所述样本细胞图像的细胞类型标签；

基于所述第一样本数据集，采用自监督的方式对图像分类模型进行预训练，得到第一图像分类模型；

基于所述第二样本数据集，对所述第一图像分类模型进行训练，得到目标图像分类模型，所述目标图像分类模型用于确定输入的细胞图像对应的细胞类型。

另一方面，提供了一种图像分类方法，所述方法包括：

对待处理的染色图像进行细胞采样，得到多个细胞图像，所述染色图像包括经过染色的多个细胞；

基于目标图像分类模型分别对所述多个细胞图像进行分类，得到分类结果信息，所述目标图像分类模型基于第一样本数据集和第二样本数据集训练得到，所述第一样本数据集包括多个样本染色图像、所述样本染色图像的图像类型标签以及染色固定标签，所述样本染色图像包括经过染色的多个细胞，所述染色固定标签用于指示对应样本染色图像的染色固定方式，所述第二样本数据集包括多个样本细胞图像以及所述样本细胞图像的细胞类型标签，所述分类结果信息用于指示所述多个细胞图像的细胞类型；

基于所述分类结果信息，生成分类结果图像，所述分类结果图像中标注有所述多个细胞图像的细胞类型。

另一方面，提供了一种图像分类模型的训练装置，所述装置包括：

数据获取模块，用于获取第一样本数据集，所述第一样本数据集包括多个样本染色图像、所述样本染色图像的图像类型标签以及染色固定标签，所述样本染色图像包括经过染色的多个细胞，所述染色固定标签用于指示对应样本染色图像的染色固定方式；