[发明专利]图像处理模型训练方法、图像处理方法、设备及存储介质

说明书

本申请公开了图像处理模型训练方法、图像处理方法、设备及存储介质。方法包括：获取第一样本图像、第二样本图像、第一分割标签、第二分割标签和图像处理模型；通过第一编码处理模型对第一样本图像和第一分割标签的串接特征图进行编码处理，得到第一目标特征图；通过第二编码处理模型对第二样本图像进行编码处理，得到第二目标特征图；通过关联处理模型对第一目标特征图和第二目标特征图进行关联处理，得到第三目标特征图；通过解码处理模型对第二目标特征图和第三目标特征图进行解码处理，得到分割结果；确定损失函数；利用损失函数训练得到目标图像处理模型。利用此种方式训练得到的图像处理模型的应用范围较广泛，图像处理的效果较好。

技术领域

本申请实施例涉及人工智能技术领域，特别涉及一种图像处理模型训练方法、图像处理方法、设备及存储介质。

背景技术

随着人工智能技术的不断发展，利用模型进行图像处理的应用需求在各个领域日益显著。例如，在医疗领域中，利用模型对医学图像进行分割处理等。

在利用模型对图像进行处理之前，需要对模型进行训练，然后利用训练好的模型对图像进行处理。通常情况下，用于进行分割处理的模型的训练过程为：将已知分割标签的每张样本图像分别输入待训练的模型中进行处理，得到每张样本图像的分割结果，根据每张样本图像的分割结果和分割标签之间的损失函数训练模型。在上述训练过程中，每张样本图像的处理过程相同，利用训练好的模型进行图像分割时，仅能够对训练过程中涉及到的分割类别进行分割，模型的应用范围较局限，导致利用训练好的模型进行图像处理的处理效果不佳。

发明内容

本申请实施例提供了一种图像处理模型训练方法、图像处理方法、设备及存储介质，可用于提高图像处理的处理效果。所述技术方案如下：

一方面，本申请实施例提供了一种图像处理模型训练方法，所述方法包括：

获取第一样本图像、第二样本图像、所述第一样本图像对应的第一分割标签、所述第二样本图像对应的第二分割标签和图像处理模型，所述第一分割标签和所述第二分割标签为针对相同的分割类别的标签，所述图像处理模型包括第一编码处理模型、第二编码处理模型、关联处理模型和解码处理模型；

通过所述第一编码处理模型对所述第一样本图像和所述第一分割标签的串接特征图进行编码处理，得到所述第一样本图像对应的第一目标特征图；

通过所述第二编码处理模型对所述第二样本图像进行编码处理，得到所述第二样本图像对应的第二目标特征图；

通过所述关联处理模型对所述第一目标特征图和所述第二目标特征图进行关联处理，得到所述第二样本图像对应的第三目标特征图；

通过所述解码处理模型对所述第二目标特征图和所述第三目标特征图进行解码处理，得到所述第二样本图像的分割结果；

基于所述第二样本图像的分割结果和所述第二分割标签，确定损失函数；利用所述损失函数训练所述第一编码处理模型、所述第二编码处理模型、所述关联处理模型和所述解码处理模型，得到目标图像处理模型。

还提供了一种图像处理方法，所述方法包括：

获取第一目标图像、第二目标图像和所述第一目标图像对应的针对目标类别的目标分割标签；

基于训练得到的目标图像处理模型对所述第一目标图像、所述目标分割标签和所述第二目标图像进行处理，得到所述第二目标图像对应的针对所述目标类别的目标分割结果。

另一方面，提供了一种图像处理模型训练装置，所述装置包括：

获取单元，用于获取第一样本图像、第二样本图像、所述第一样本图像对应的第一分割标签、所述第二样本图像对应的第二分割标签和图像处理模型，所述第一分割标签和所述第二分割标签为针对相同的分割类别的标签，所述图像处理模型包括第一编码处理模型、第二编码处理模型、关联处理模型和解码处理模型；