[發明專利]訓練圖像處理模型的方法和裝置

在審

• 申請號: 202010214454.4
• 申請日: 2020-03-24
• 公開（公告）號: CN111507378A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 魏龍輝;肖安;謝凌曦;田奇
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京龍雙利達知識產權代理有限公司 11329
• 代理人: 陳洪艷;王君

1.一種訓練圖像處理模型的方法，其特征在于，包括：

根據第一圖像處理模型獲取增強圖像的第一軟標簽，所述增強圖像為使用數據增強策略對訓練圖像進行數據增強得到的圖像，所述第一軟標簽指示所述增強圖像屬于多個分類中每個分類的置信度；

根據所述增強圖像和所述增強圖像的第一軟標簽，對第二圖像處理模型進行訓練。

2.如權利要求1所述的方法，其特征在于，所述根據所述增強圖像和所述增強圖像的第一軟標簽，對第二圖像處理模型進行訓練，包括：

根據所述第一軟標簽確定第一目標軟標簽，所述第一目標軟標簽指示所述增強圖像屬于多個目標分類中每個分類的置信度，所述多個目標分類包括所述第一軟標簽指示的多個分類中的部分分類，且所述多個目標分類中每個分類對應的置信度大于所述第一軟標簽指示的多個分類中除所述多個目標分類以外的每個分類對應的置信度；

根據所述第一目標軟標簽和所述增強圖像，對所述第二圖像處理模型進行訓練。

3.如權利要求2所述的方法，其特征在于，所述根據所述第一目標軟標簽和所述增強圖像，對所述第二圖像處理模型進行訓練，包括：

根據所述第二圖像處理模型獲取所述增強圖像的第二軟標簽，所述第二軟標簽指示所述增強圖像屬于多個分類中每個分類的置信度；

根據所述第二軟標簽確定第二目標軟標簽，所述第二目標軟標簽指示所述第二軟標簽所指示的、且所述增強圖像屬于所述多個目標分類中每個分類的置信度；

根據所述第一目標軟標簽和所述第二目標軟標簽，調整所述第二圖像處理模型的參數。

4.如權利要求3所述的方法，其特征在于，所述根據所述第一目標軟標簽和所述第二目標軟標簽，調整所述第二圖像處理模型的參數，包括：

根據所述第一目標軟標簽和所述第二目標軟標簽，確定所述第二圖像處理模型的損失值；

根據所述損失值調整所述第二圖像處理模型的參數。

5.如權利要求4所述的方法，其特征在于，所述第一目標軟標簽、所述第二目標軟標簽和所述損失值之間滿足如下關系：

L＝y·ln f^S+ψ·KL[f^S||f^T]，

其中，L表示所述損失值，y表示所述增強圖像的硬標簽，KL[f^S||f^T]表示所述第一目標軟標簽和所述第二目標軟標簽的相對熵，ψ為預設的值。

6.一種圖像處理方法，其特征在于，包括：

獲取待處理圖像；

使用第二圖像處理模型對所述待處理圖像進行處理，其中，所述第二圖像處理模型為使用如權利要求1至5中任意一項所述的方法訓練得到的模型。

7.一種訓練圖像處理模型的裝置，其特征在于，包括：

獲取模塊，用于根據第一圖像處理模型獲取增強圖像的第一軟標簽，所述增強圖像為使用數據增強策略對訓練圖像進行數據增強得到的圖像，所述第一軟標簽指示所述增強圖像屬于多個分類中每個分類的置信度；

訓練模塊，用于根據所述增強圖像和所述增強圖像的第一軟標簽，對第二圖像處理模型進行訓練。

8.如權利要求7所述的裝置，其特征在于，所述訓練模塊具體用于：

根據所述第一軟標簽確定第一目標軟標簽，所述第一目標軟標簽指示所述增強圖像屬于多個目標分類中每個分類的置信度，所述多個目標分類包括所述第一軟標簽指示的多個分類中的部分分類，且所述多個目標分類中每個分類對應的置信度大于所述第一軟標簽指示的多個分類中除所述多個目標分類以外的每個分類對應的置信度；

根據所述第一目標軟標簽和所述增強圖像，對所述第二圖像處理模型進行訓練。