[发明专利]一种图像分类网络的训练方法、装置、设备及存储介质

说明书

本发明公开了一种图像分类网络的训练方法、装置、设备及存储介质，该方法包括：基于已标注样本集生成图像分类网络；基于策略网络和评价网络从未标注数据中选取目标数据进行标注；根据所述目标数据的标注结果更新所述已标注样本集，并根据更新后的已标注样本集更新所述图像分类网络；根据所述标注结果更新所述策略网络和所述评价网络；循环执行上述的选取操作以及更新操作，直至满足预设条件，得到训练后的图像分类网络。上述技术方案每次仅选取部分未标注数据用于标注并更新图像分类网络，降低了训练过程的数据成本和标注工作量，并保证分类精度。

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及一种图像分类网络的训练方法、装置、设备及存储介质。

背景技术

随着医学影像设备和人工智能技术的高速发展，医学数据大规模增长，基于深度学习的人工智能医学影像的分析得到了逐步应用。根据大量的有标签数据可以训练一个图像分类网络，应用该图像分类网络可以识别特定的特征，从而对图像进行识别和分类，极大地降低了医生的工作负担，并提高了诊断效率和准确率。

然而，对于图像分类网络，需要大量的有标签数据来训练模型，这需要专业的医生做出大量的人工标注工作，并且在医学领域，大量医学图像数据的获取也比较困难，这使得训练过程较为复杂、成本昂贵；此外，虽然对于深度神经网络的训练，大量的训练数据是必要的，但是并非所有的数据都是必须的，如果训练数据中含有噪声或者标注错误的数据反而会使神经网络的分类精度下降，因此，基于大量的或者不必要的数据进行训练，影响了图像分类网络的训练效率和分类精度，成本较高，实现复杂。

发明内容

本发明提供了一种图像分类网络的训练方法、装置、设备及存储介质，以降低训练过程的数据成本和标注工作量，并保证分类精度。

第一方面，本发明实施例提供了一种图像分类网络的训练方法，包括：

基于已标注样本集生成图像分类网络；

基于策略网络和评价网络从未标注数据中选取目标数据进行标注；

根据所述目标数据的标注结果更新所述已标注样本集，并根据更新后的已标注样本集更新所述图像分类网络；

根据所述标注结果更新所述策略网络和所述评价网络；

循环执行上述的选取操作以及更新操作，直至满足预设条件，得到训练后的图像分类网络。

第二方面，本发明实施例提供了一种图像分类网络的训练装置，包括：

初始训练模块，用于基于已标注样本集生成图像分类网络；

数据选取模块，用于基于策略网络和评价网络从未标注数据中选取目标数据进行标注；

第一更新模块，用于根据所述目标数据的标注结果更新所述已标注样本集，并根据更新后的已标注样本集更新所述图像分类网络；

第二更新模块，用于根据所述标注结果更新所述策略网络和所述评价网络；

循环执行模块，用于循环执行上述的选取操作以及更新操作，直至满足预设条件，得到训练后的图像分类网络。

第三方面，本发明实施例提供了一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的图像分类网络的训练方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的图像分类网络的训练方法。