[发明专利]图像处理模型的训练方法和装置

说明书

本公开涉及一种图像处理模型的训练方法和装置，涉及人工智能技术领域。该训练方法包括：利用第一域判别器，判别分类特征提取器提取的图像分类特征属于源域图像还是目标域图像；根据第一域判别器的判别结果和各分类特征的所属域标注结果，确定分类损失函数；根据定位特征提取器提取的各源域图像的定位特征，利用定位器输出各源域图像的目标定位结果，根据各源域图像的图像分类特征，利用分类器输出各源域图像的目标分类结果；根据各目标分类结果、各目标定位结果和各源域图像的训练标注，确定源域损失函数；根据分类损失函数和源域损失函数，对机器学习模型进行训练。

技术领域

本公开涉及人工智能技术领域，特别涉及一种图像处理模型的训练方法、图像处理模型的训练装置、图像处理方法、图像处理装置和非易失性计算机可读存储介质。

背景技术

在实际生活中，对人类感兴趣的目标进行检测具有广泛的应用价值。例如，通过目标检测，自动驾驶系统能够有效避让行人和障碍；遥感系统能够定位到人类感兴趣的区域；工业生产线能够筛选并定位存在瑕疵的零件。目标检测包含两个子任务，即对感兴趣物体的分类和定位。

在相关技术中，基于训练数据和测试数据具有相同的数据分布的假设，进行目标检测。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：无法适应实际应用场景中数据分布的变化，使得模型在训练阶段和部署阶段使用的数据并不具有相同的数据分布，导致模型在部署阶段的性能下降。

鉴于此，本公开提出了一种图像处理模型的训练技术方案，能够提高模型在部署阶段的性能。

根据本公开的一些实施例，提供了一种图像处理模型的训练方法，包括：利用第一域判别器，判别分类特征提取器提取的图像分类特征属于源域图像还是目标域图像，源域图像具有训练标注，目标域图像不具有训练标注；根据第一域判别器的判别结果和各分类特征的所属域标注结果，确定分类损失函数；根据定位特征提取器提取的各源域图像的定位特征，利用定位器输出各源域图像的目标定位结果，根据各源域图像的图像分类特征，利用分类器输出各源域图像的目标分类结果；根据各目标分类结果、各目标定位结果和各源域图像的训练标注，确定源域损失函数；根据分类损失函数和源域损失函数，对机器学习模型进行训练，机器学习模型包括分类特征提取器、第一域判别器、定位特征提取器、定位器、分类器。

在一些实施例中，根据定位特征提取器提取的各源域图像的定位特征，利用定位器输出各源域图像的目标定位结果包括：根据定位特征提取器提取的各目标域图像的定位特征，分别利用所述第一定位器和所述第二定位器输出各目标域图像的第一目标定位结果和第二目标定位结果。

在一些实施例中，训练方法还包括：以最大化第一目标定位结果与第二目标定位结果的差异为目标，训练第一定位器和第二定位器；以最小化经过训练后的第一定位器与第二定位器的目标定位结果之间的差异为目标，训练定位特征提取器。

在一些实施例中，第一目标定位结果与第二目标定位结果的差异为第一定位器与第二定位器对于各目标类别的第一目标定位结果与第二目标定位结果的差异的加权平均值，该差异的权重根据分类器输出的目标分类结果确定。

在一些实施例中，以最大化第一目标定位结果与第二目标定位结果的差异为目标，训练第一定位器和第二定位器包括：根据源域损失函数、第一目标定位结果与第二目标定位结果的差异，构建目标域损失函数；根据目标域损失函数，训练第一定位器和第二定位器。

在一些实施例中，根据源域损失函数、第一目标定位结果与第二目标定位结果的差异，构建目标域损失函数包括：根据源域损失函数、第一目标定位结果与最小定位范围的差异，确定第一目标域损失函数，最小定位范围根据第一目标定位结果和第二目标定位结果的交集确定；根据源域损失函数、第二目标定位结果与最大定位范围的差异，确定第二目标域损失函数，最大定位范围根据第一目标定位结果和第二目标定位结果的包络确定。