[发明专利]神经网络训练方法及装置、电子设备和存储介质

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

对多个第一样本图像进行筛选，从所述多个第一样本图像中确定出已标注的多个第二样本图像，所述多个第二样本图像被标注为第一类别或第二类别，所述第一类别的第二样本图像为负样本，所述第二类别的第二样本图像为正样本，所述多个第一样本图像包括已标注的样本图像和未标注的样本图像；

根据所述多个第二样本图像中被标注为第一类别的第三样本图像，生成多个第四样本图像，所述第四样本图像被标注为第一类别；

根据已标注的多个第二样本图像和所述多个第四样本图像，训练诊断网络，其中，所述诊断网络用于确定待处理图像的类别。

2.根据权利要求1所述的方法，其特征在于，已标注的样本图像组成第一训练集，未标注的样本图像组成第二训练集，

其中，对多个第一样本图像进行筛选，从所述多个第一样本图像中确定出已标注的多个第二样本图像，包括：

根据所述第一训练集训练样本选择网络，得到当前训练状态的样本选择网络；

通过所述当前训练状态的样本选择网络对所述第二训练集中的样本图像进行筛选，得到待标注的多个第五样本图像；

将已标注的多个第五样本图像加入所述第一训练集，并将所述多个第五样本图像从所述第二训练集中去除；

根据所述第一训练集再次训练所述样本选择网络，得到下一个训练状态的样本选择网络；

在满足预设的第一训练条件的情况下，得到目标状态的第一训练集，所述目标状态的第一训练集中包括已标注的多个第二样本图像。

3.根据权利要求2所述的方法，其特征在于，通过所述当前训练状态的样本选择网络对所述第二训练集中的样本图像进行筛选，得到待标注的多个第五样本图像，包括：

通过样本选择网络对第二训练集的多个样本图像分别进行处理，获得各个样本图像属于第一类别的第一概率及属于第二类别的第二概率；

根据所述第一概率和第二概率，分别确定第二训练集的多个样本图像的信息熵；

根据多个样本图像的信息熵，从第二训练集的多个样本图像中确定所述第五样本图像。

4.根据权利要求1-3中任一项所述的方法，其特征在于，根据所述多个第二样本图像中被标注为第一类别的第三样本图像，通过数据增强网络生成多个第四样本图像，

其中，所述方法还包括：

通过预训练的判别网络以及被标注为第一类别的第三样本图像训练所述数据增强网络。

5.根据权利要求4所述的方法，其特征在于，通过预训练的判别网络和被标注为第一类别的第三样本图像训练所述数据增强网络，包括：

通过数据增强网络对随机噪声信号进行处理，获得第一噪声图像；

将第一噪声图像和所述被标注为第一类别的第三样本图像输入预训练的判别网络，获得所述第一噪声图像的真实性判别结果，其中，所述真实性判别结果包括真实图像或生成图像；

在所述第一噪声图像的真实性判别结果为生成图像的情况下，根据所述真实性判别结果，确定所述数据增强网络的网络损失；

根据所述网络损失，调整所述数据增强网络的网络参数。

6.根据权利要求5所述的方法，其特征在于，通过预训练的判别网络和被标注为第一类别的第三样本图像训练所述数据增强网络，包括：

在所述第一噪声图像的真实性判别结果为真实图像的情况下，获得训练后的数据增强网络。

7.根据权利要求6所述的方法，其特征在于，根据所述多个第二样本图像中被标注为第一类别的第三样本图像，生成多个第四样本图像，包括：

通过训练后的数据增强网络对随机噪声信号进行处理，获得第二噪声图像；

将所述第二噪声图像和所述被标注为第一类别的第三样本图像输入预训练的判别网络，获得所述第二噪声图像的真实性判别结果；

在所述第二噪声图像的真实性判别结果为真实图像的情况下，将所述第二噪声图像确定为所述第四样本图像。

8.根据权利要求1所述的方法，其特征在于，所述诊断网络包括特征提取网络和分类网络。