[发明专利]网络模型训练方法、装置、设备、介质及程序产品

权利要求书

1.一种网络模型训练方法，包括：

基于多张第一样本图像针对目标对象的标注信息，生成所述目标对象对应的概率图谱；

基于所述概率图谱和多张第二样本图像，以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练，得到预训练模型；

基于多张第三样本图像和第三样本图像对目标对象的标注信息，对所述预训练模型进行训练，得到针对所述目标对象的图像分割模型。

2.根据权利要求1所述的方法，其中，所述概率图谱包括预设尺寸的图像中各个像素点属于目标对象的概率；

所述基于所述概率图谱和多张第二样本图像，以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练，得到预训练模型，包括：

对所述概率图谱中包括的各个概率进行取反操作，得到目标图谱；

基于所述目标图谱和多张第二样本图像，以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练，得到预训练模型。

3.根据权利要求2所述的方法，其中，所述基于所述目标图谱和多张第二样本图像，以恢复各张第二样本图像中被掩膜掉的图像块为目标进行模型训练，得到预训练模型，包括：

针对每张第二样本图像，将所述第二样本图像分割成多个图像块，并掩膜掉至少一个图像块；

将各张第二样本图像剩余的图像块输入待训练的预训练模型，得到各张第二样本图像对应的预测还原图像；

基于各张第二样本图像、各张预测还原图像以及所述目标图谱，确定图像恢复损失信息；

基于所述图像恢复损失信息，以恢复各张第二样本图像中被掩膜掉的图像块为目标，对所述待训练的预训练模型进行训练，得到训练好的预训练模型。

4.根据权利要求2或3所述的方法，其中，所述预设尺寸的图像与所述第二样本图像具有相同的分辨率和尺寸。

5.根据权利要求1至4任一项所述的方法，其中，所述基于多张第一样本图像针对目标对象的标注信息，生成所述目标对象对应的概率图谱，包括：

针对每张第一样本图像，基于所述第一样本图像针对目标对象的标注信息，生成所述第一样本图像针对所述目标对象的掩膜图像；

基于各张第一样本图像对应的掩膜图像，生成所述目标对象对应的概率图谱。

6.根据权利要求5所述的方法，其中，所述基于所述第一样本图像针对目标对象的标注信息，生成所述第一样本图像针对所述目标对象的掩膜图像，包括：

对第一样本图像进行第一预处理操作，得到具有预设分辨率的第一图像；

对第一图像进行第二预处理操作，得到具有预设尺寸的第二图像；

基于所述第一样本图像针对目标对象的标注信息和第二图像，生成所述目标对象对应的掩膜图像。

7.根据权利要求1至6任一项所述的方法，其中，所述基于多张第三样本图像和第三样本图像对目标对象的标注信息，对所述预训练模型进行训练，得到针对所述目标对象的图像分割模型，包括：

将各张所述第三样本图像分割成多个图像块，并将各张第三样本图像的图像块输入预训练模型，得到各张第三样本图像对应的预测分割图像；

基于各张第三样本图像对目标对象的标注信息、各张预测分割图像，确定图像分割损失信息；

基于所述图像分割损失信息，对所述预训练模型进行训练，得到针对所述目标对象的图像分割模型。

8.根据权利要求7所述的方法，其中，所述图像分割损失信息包括多个类别的图像分割子损失信息；

所述基于所述图像分割损失信息，对所述预训练模型进行训练，得到针对所述目标对象的图像分割模型，包括：

基于所述多个类别的图像分割子损失信息，确定目标损失信息；

基于所述目标损失信息，对所述预训练模型进行训练，得到针对所述目标对象的图像分割模型。

9.根据权利要求1至8任一项所述的方法，其中，所述第一样本图像包括医学图像；和/或，

所述第二样本图像包括医学图像；和/或，

所述第三样本图像包括医学图像。