[发明专利]模型训练方法、图像处理方法、装置和电子设备

说明书

本公开提供了一种模型训练方法、图像处理方法、装置和电子设备，涉及人工智能技术领域，尤其涉及深度学习、图像处理、计算机视觉技术领域。具体实现方案为：将训练样本分别输入至学生模型和n个教师模型中，获取学生模型的第一输出，并获取n个教师模型的第二输出；基于训练样本的标签和n个第二输出，确定训练样本对应的权重；基于第一输出和权重，获取学生模型的总损失函数；基于总损失函数对学生模型的模型参数进行更新，得到训练后的目标模型。由此，可综合考虑到训练样本的标签和教师模型的第二输出，来确定训练样本对应的权重，进而基于学生模型的第一输出和权重，得到学生模型的总损失函数，提高了模型训练的精度。

技术领域

本公开涉及计算机技术领域，尤其涉及一种模型训练方法、图像处理方法、装置、电子设备、存储介质。

背景技术

目前，随着人工智能技术的不断发展，模型在图像、文本、语音等领域得到了广泛应用，具有自动化程度高、人工成本低等优点。为了满足模型预测需求，模型体积往往较大，为了压缩模型，可基于知识蒸馏来训练模型。然而，相关技术中，基于知识蒸馏的模型训练方法，存在模型训练精度低的问题。

发明内容

本公开提供了一种模型训练方法、图像处理方法、装置、电子设备、存储介质。

根据本公开的一方面，提供了一种模型训练方法，包括：将训练样本分别输入至学生模型和n个教师模型中，获取所述学生模型的第一输出，并获取n个所述教师模型的第二输出，其中，n为正整数；基于所述训练样本的标签和n个所述第二输出，确定所述训练样本对应的权重；基于所述第一输出和所述权重，获取所述学生模型的总损失函数；基于所述总损失函数对所述学生模型的模型参数进行更新，得到训练后的目标模型。

根据本公开的另一方面，提供了一种图像处理方法，包括：获取待处理图像；将所述待处理图像输入目标图像模型中，由所述目标图像模型输出所述待处理图像的处理结果，其中，所述目标图像模型采用模型训练方法得到。

根据本公开的另一方面，提供了一种模型训练装置，包括：第一获取模块，用于将训练样本分别输入至学生模型和n个教师模型中，获取所述学生模型的第一输出，并获取n个所述教师模型的第二输出，其中，n为正整数；确定模块，用于基于所述训练样本的标签和n个所述第二输出，确定所述训练样本对应的权重；第二获取模块，用于基于所述第一输出和所述权重，获取所述学生模型的总损失函数；训练模块，用于基于所述总损失函数对所述学生模型的模型参数进行更新，得到训练后的目标模型。

根据本公开的另一方面，提供了一种图像处理装置，包括：获取模块，用于获取待处理图像；处理模块，用于将所述待处理图像输入目标图像模型中，由所述目标图像模型输出所述待处理图像的处理结果，其中，所述目标图像模型采用模型训练方法得到。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行模型训练方法或者执行图像处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行模型训练方法或者执行图像处理方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的模型训练方法的流程示意图；

图2是根据本公开第二实施例的模型训练方法的流程示意图；

图3是根据本公开第三实施例的模型训练方法的流程示意图；