[发明专利]图像处理模型的训练方法和装置、存储介质及电子设备

说明书

本发明公开了一种图像处理模型的训练方法和装置、存储介质及电子设备。其中，该方法包括：获取每个训练样本在每个迭代周期内进行模拟训练后得到的样本损失值；根据获取到的训练样本在多个迭代周期内得到的多个样本损失值，确定训练样本所属的样本类型，其中，样本类型用于指示训练样本在模拟训练中达到收敛条件的收敛程度；为目标样本类型的目标训练样本添加关注标记，并利用目标训练样本对原始模型进行模型训练，直至得到达到与目标样本类型相匹配的第二收敛条件的目标模型，其中，关注标记用于指示增加目标训练样本在每个迭代周期内的模型训练中的训练权重。本发明解决了模型训练不当导致的图像处理模型性能不佳的技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种图像处理模型的训练方法和装置、存储介质及电子设备。

背景技术

目前，图像处理模型在数据处理中应用的越来越普及。而图像处理模型在应用中对数据处理的准确性，通常与模型训练相关。而在模型训练阶段中，训练数据对模型性能的影响很大。

而在模型训练过程中，通常只是分别利用正样本和负样本对模型进行训练，并没有对样本图像进行进一步的分类。而对于不同训练难度的样本图像进行相同的训练，在模型训练后期，会因为噪声的影响而造成模型的过拟合，从而降低训练得到的图像处理模型的性能。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像处理模型的训练方法和装置、存储介质及电子设备，以至少解决模型训练不当导致的图像处理模型性能不佳的技术问题。

根据本发明实施例的一个方面，提供了一种图像处理模型的训练方法，包括：获取每个训练样本在每个迭代周期内进行模拟训练后得到的样本损失值，其中，上述模拟训练为利用上述训练样本对原始模型进行多次迭代训练，直至上述原始模型的模型损失值达到第一收敛条件；根据获取到的上述训练样本在多个上述迭代周期内得到的多个样本损失值，确定上述训练样本所属的样本类型，其中，上述样本类型用于指示上述训练样本在模拟训练中达到收敛条件的收敛程度；为目标样本类型的目标训练样本添加关注标记，并利用上述目标训练样本对上述原始模型进行模型训练，直至得到达到与上述目标样本类型相匹配的第二收敛条件的目标模型，其中，上述关注标记用于指示增加上述目标训练样本在每个迭代周期内的模型训练中的训练权重。

根据本发明实施例的另一方面，还提供了一种图像处理模型的训练装置，包括：获取单元，用于获取每个训练样本在每个迭代周期内进行模拟训练后得到的样本损失值，其中，上述模拟训练为利用上述训练样本对原始模型进行多次迭代训练，直至上述原始模型的模型损失值达到第一收敛条件；确定单元，用于根据获取到的上述训练样本在多个上述迭代周期内得到的多个样本损失值，确定上述训练样本所属的样本类型，其中，上述样本类型用于指示上述训练样本在模拟训练中达到收敛条件的收敛程度；训练单元，用于为目标样本类型的目标训练样本添加关注标记，并利用上述目标训练样本对上述原始模型进行模型训练，直至得到达到与上述目标样本类型相匹配的第二收敛条件的目标模型，其中，上述关注标记用于指示增加上述目标训练样本在每个迭代周期内的模型训练中的训练权重。

根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述模型训练方法。

根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的模型训练方法。