模型训练方法、装置、计算机设备及计算机可读存储介质与流程

本申请涉及人工智能，特别是涉及一种模型训练方法、装置、计算机设备及计算机可读存储介质。

背景技术：

1、随着计算机技术的发展，神经网络模型被广泛的应用于对图像进行语义分割，语义分割是指对图像中的像素点进行图像类别上的分类，为了使神经网络模型的输出结果更加准确，使用之前需要对神经网络模型进行训练。

2、传统技术中，对大量的图像进行人工标注，得到训练图像，然后使用训练图像对神经网络模型进行训练，以得到准确度较高的神经网络模型，由于人工标注需要花费大量的时间，导致神经网络模型的训练效率低下。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种模型训练方法、装置、计算机设备、计算机可读存储介质及计算机程序产品，能够实现提高模型训练效率。

2、第一方面，本申请提供了一种模型训练方法，包括：

3、获取多张训练图像和多张候选图像；

4、将训练图像输入至初始语义分割模型，得到第一预测矩阵；将候选图像输入至初始语义分割模型，得到第二预测矩阵；

5、基于候选图像对应的第二预测矩阵，确定候选图像的预测差异度；

6、基于候选图像对应的第二预测矩阵与训练图像对应的第一预测矩阵；确定候选图像与多张训练图像的特征相似度；

7、基于各张候选图像的预测差异度和特征相似度，确定目标图像；

8、基于目标图像，对初始语义分割模型进行训练，得到目标语义分割模型。

9、第二方面，本申请还提供了一种模型训练装置，包括：

10、获取模块，用于获取多张训练图像和多张候选图像；

11、输入模块，用于将训练图像输入至初始语义分割模型，得到第一预测矩阵；将候选图像输入至初始语义分割模型，得到第二预测矩阵；

12、第一确定模块，用于基于候选图像对应的第二预测矩阵，确定候选图像的预测差异度；

13、第二确定模块，用于基于候选图像对应的第二预测矩阵与训练图像对应的第一预测矩阵，确定候选图像与多张训练图像的特征相似度；

14、选择模块，用于基于各张候选图像的预测差异度和特征相似度，确定目标图像；

15、训练模块，用于基于目标图像，对初始语义分割模型进行训练，得到目标语义分割模型。

16、第三方面，本申请还提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述模型训练方法的步骤。

17、第四方面，本申请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，计算机程序被处理器执行时实现上述模型训练方法的步骤。

18、第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现上述模型训练方法的步骤。

19、上述模型训练方法、装置、计算机设备及计算机可读存储介质，获取多张训练图像和多张候选图像，将已标注的训练图像输入至初始语义分割模型，得到第一预测矩阵，将未标注的候选图像输入至初始语义分割模型，得到第二预测矩阵，根据候选图像对应的第二预测矩阵，确定初始语义分割模型对候选图像的预测差异度，即确定初始语义分割模型对候选图像预测的准确程度，预测差异度越大，表征初始语义分割模型对候选图像预测的准确度越低，该候选图像对于初始语义分割模型的不确定性越强，基于候选图像对应的第二预测矩阵与训练图像对应的第一预测矩阵，确定候选图像与多张训练图像的特征相似度，特征相似度越低，表征候选图像与多张训练的差异性越大，基于各张候选图像的预测差异度和特征相似度，确定目标图像，可以理解为，选择出初始语义分割模型预测准确程度低，且与多张训练图像差异性大的目标图像，使用少量的目标图像对初始语义分割模型进行训练，即可达到使用所有的候选图像对初始语义分割模型进行训练的效果，从而提高了模型的训练效率。

技术特征：

1.一种模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述候选图像对应的第二预测矩阵，确定所述候选图像的预测差异度，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述候选图像对应的第二预测矩阵与所述训练图像对应的第一预测矩阵，确定所述候选图像与多张所述训练图像的特征相似度，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于预测矩阵，对图像进行特征提取，得到所述图像对应的特征矩阵，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于预测矩阵，确定图像对应的标签矩阵，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于各张所述候选图像的预测差异度和特征相似度，确定目标图像，包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.一种模型训练装置，其特征在于，包括：

9.一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种模型训练方法、装置、计算机设备及计算机可读存储介质。方法包括：获取多张训练图像和多张候选图像；将训练图像输入至初始语义分割模型，得到第一预测矩阵；将候选图像输入至初始语义分割模型，得到第二预测矩阵；基于候选图像对应的第二预测矩阵，确定候选图像的预测差异度；基于候选图像对应的第二预测矩阵与训练图像对应的第一预测矩阵，确定候选图像与多张训练图像的特征相似度；基于各张候选图像的预测差异度和特征相似度，确定目标图像；基于目标图像，对初始语义分割模型进行训练，得到目标语义分割模型。采用本方法，能够提高模型训练效率。

技术研发人员：颜泽鑫,刘枢,吕江波,沈小勇,田倬韬
受保护的技术使用者：北京思谋智能科技有限公司
技术研发日：
技术公布日：2024/1/15