[发明专利]图像识别模型的训练方法和装置

说明书

本申请提供了一种图像识别模型的训练方法、图像识别方法、装置、服务器及存储介质，属于图像处理领域。通过本申请提供的图像识别模型的训练方法，服务器可以采用第一样本图像的“内容”和第二样本图像的“风格”合成第一参考图像，对第一参考图像进行识别，得到第一样本对象在第一参考图像中的位置，根据第一样本对象在第一参考图像中的位置与第一目标位置之间的差异信息，训练图像识别模型。训练过程中通过合成的第一参考图像来进行训练，提高图像识别模型对于不同图像域图像的识别能力，在后续使用图像识别模型进行图像识别的过程中，无论图像为高信息量图像还是低信息量图像，均可以或得较好的识别效果，减轻“域下降”的问题。

技术领域

本申请涉及图像处理领域，特别涉及一种图像识别模型的训练方法、图像识别方法、装置、服务器及存储介质。

背景技术

随着计算机技术的发展，图像识别技术的应用范围越来越广泛，例如图像识别技术可以应用在人脸识别场景，采用图像识别模型对包含人脸的图像进行识别，可以得到与人脸对应的身份信息；或者应用在医学场景，采用图像识别模型对医学影像进行识别，发现一些人眼无法识别的病变现象，从而辅助医生确定治疗方案。然而，在图像识别过程中，所识别的图像可以是不同图像域的图像，比如是基于不同的采集手段获取到的图像，例如，通过核磁共振(Magnetic Resonance Imaging，MRI)获取的图像或者通过断层扫描(ComputedTomography，CT)获取的图像。由于MRI和CT的设备参数和成像方式不同，导致MRI生成的图像数据与CT生成的图像数据的模态不同，举例来说，MRI图像和CT图像均为灰度图像，而MRI在生成图像的过程中获取的参数的取值范围与灰度值的范围相同，均为0-255；而CT在生成图像的过程中获取的参数的取值范围可以是零到几万，这样导致CT在生成图像的过程中需要将参数进行归一化，把零到几万的参数归一化到0-255的范围内，这就导致了生成的CT图像损失了成像的信息。换句话说，MRI图像的信息量比CT图像的信息量高。

采用通过高信息量的MRI图像训练的图像识别模型对低信息量的CT图像进行识别的过程中，可以取得较好的图像识别精度；而采用低信息量的CT图像训练的图像识别模型对高信息量的MRI图像进行识别的过程中，模型识别的精度较低，这种现象也称之为“域下降”。因此，亟需一种能够缓解“域下降”现象的图像识别模型。

发明内容

本申请实施例提供了一种图像识别模型的训练方法、图像识别方法、装置、服务器及存储介质，可以缓解“域下降”的现象，提升图像识别模型的识别效果。

所述技术方案如下：

一方面，提供了一种图像识别模型的训练方法，所述方法包括：

获取第一样本图像和第二样本图像，所述第一样本图像包括第一样本对象，所述第一样本图像和所述第二样本图像属于不同图像域；

基于所述第一样本图像和所述第二样本图像，生成图像风格与所述第二样本图像相同的第一参考图像，所述第一参考图像包括所述第一样本对象；

将所述第一参考图像输入图像识别模型，通过所述图像识别模型对所述第一参考图像进行图像识别，输出所述第一样本对象在所述第一参考图像的第一目标位置；

若所述第一目标位置与所述第一样本对象在所述第一样本图像中位置之间的差异信息符合目标条件，将所述图像识别模型作为训练完成的图像识别模型。

一方面，提供了一种图像识别方法，所述方法包括：

获取第一图像，所述第一图像中包括第一对象；

将所述第一图像输入图像识别模型，通过所述图像识别模型提取所述第一图像的第一内容特征，其中，所述图像识别模型基于多个样本图像以及所述多个样本图像所生成的与原样本图像具有不同图像风格的参考图像训练得到；根据所述第一内容特征，输出所述第一对象在所述第一图像的第一位置。