[發明專利]一種推理模型訓練方法及裝置在審
| 申請號： | 202210095035.2 | 申請日： | 2022-01-26 |
| 公開（公告）號： | CN116563572A | 公開（公告）日： | 2023-08-08 |
| 發明（設計）人： | 陶建軍;謝凌曦;喬楠;張雷 | 申請（專利權）人： | 華為云計算技術有限公司 |
| 主分類號： | G06V10/70 | 分類號： | G06V10/70;G06V10/764;G06V10/82;G06T7/00;G06T7/11;G06N3/0464;G06N3/042;G06N3/0895;G06N5/04;G16H50/20 |
| 代理公司： | 北京億騰知識產權代理事務所(普通合伙) 11309 | 代理人： | 陳霽 |
| 地址： | 550025 貴州省貴陽市*** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 推理 模型 訓練 方法 裝置 | ||
1.一種推理模型訓練方法，其特征在于，所述方法包括：
根據已標注病理圖片訓練得到推理模型；
根據未標注病理圖片、第一病理文本，以及所述已標注病理圖片，更新所述推理模型，其中，所述推理模型用于對輸入的待檢測病理圖片進行推理，得到所述待檢測病理圖片對應的病理結果，所述第一病理文本為所述未標注病理圖片相關聯的病理文本。
2.如權利要求1所述的方法，其特征在于，所述推理模型包括分割模型和分類模型；
所述更新所述推理模型，包括：更新所述分類模型。
3.如權利要求1或2所述的方法，其特征在于，所述更新所述推理模型，包括：
將所述未標注病理圖片和所述第一病理文本輸入至預先訓練好的標注模型，確定所述未標注病理圖片對應的偽標簽；
根據所述偽標簽和第一預測結果，確定第一損失，所述第一預測結果為所述未標注病理圖片輸入所述推理模型得到的預測結果；
根據所述已標注病理圖片的標注標簽和第二預測結果，確定第二損失，所述第二預測結果為所述已標注病理圖片輸入所述推理模型得到的預測結果；
根據所述第一損失和第二損失更新所述推理模型。
4.如權利要求3所述的方法，其特征在于，所述確定所述未標注病理圖片對應的偽標簽，包括：
提取所述未標注病理圖片的圖像特征向量；
提取所述第一病理文本的文本特征向量；
結合所述圖像特征向量和所述文本特征向量，確定所述未標注病理圖片對應的偽標簽。
5.如權利要求4所述的方法，其特征在于，所述文本特征向量包括病變區域位置特征向量、病變級別特征向量和病變性狀特征向量中的一種或多種。
6.如權利要求3-5任意一項所述的方法，其特征在于，所述確定第一損失還包括：
將所述已標注病理圖片和第二病理文本輸入至預先訓練好的標注模型，確定所述已標注病理圖片對應的偽標簽，其中，所述第二病理文本為所述已標注病理圖片相關聯的病理文本；
根據已標注病理圖片對應的偽標簽和第二預測結果，確定所述第一損失。
7.如權利要求3-6任意一項所述的方法，其特征在于，所述根據所述第一損失和第二損失更新所述推理模型，包括：
將所述第一損失和所述第二損失按照預設權重進行累加，確定第三損失；
根據所述第三損失更新所述推理模型。
8.如權利要求3-7任意一項所述的方法，其特征在于，所述預先訓練好的標注模型經過預訓練得到，所述預訓練過程包括：
將所述已標注病理圖片和第二病理文本輸入至初始模型中，確定所述已標注病理圖片的訓練標簽；
根據所述訓練標簽和所述標注標簽，確定第四損失；
根據所述第四損失對所述初始模型進行更新，得到所述標注模型。
9.如權利要求1-8任意一項所述的方法，其特征在于，所述方法還包括：
當獲取到所述待檢測病理圖片時，通過所述更新后的推理模型進行預測，得到所述待檢測病理圖片對應的病理結果；
將所述待檢測病理圖片以及所述待檢測病理圖片對應的病理結果進行輸出；
接收所述待檢測病理圖片相關聯的病理文本；
將所述待檢測病理圖片、所述待檢測病理圖片相關聯的病理文本作為新的未標注病理圖片、新的第一病理文本進行存儲。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華為云計算技術有限公司，未經華為云計算技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210095035.2/1.html，轉載請聲明來源鉆瓜專利網。
