CN110738263A 一种图像识别模型训练的方法、图像识别的方法及装置 （腾讯科技（深圳）有限公司）

本申请公开了一种图像识别模型训练的方同任务的医学图像和未标注的医学图像共同对2第一图像为第一任务所对应的已标注图像，所述第二图像为第一任务所对应的未标注图基于所述待训练图像集合，通过待训练图像识别模基于所述第二图像集合，通过所述待训练图像识别基于所述至少一个第一图像，通过所述待训练图像识别模型根据所述至少一个第二图像生成第一干扰图像集合，其根据所述至少一个第二图像生成第二干扰图像集合，其基于所述至少一个第二图像以及所述第一干扰图像集合3基于所述至少一个第二图像以及所述第二干扰图像集合基于所述至少一个第三图像，通过所述待训练图像识根据所述第一预测概率与所述第一图像集合所对应的根据所述第四预测概率与所述第三图像集合所对应的7.根据权利要求6所述的方法，所述根据所述第一预测概率与所述第一图像集合所对根据所述第一预测概率与所述第一图像集合所对应的所述根据所述第一预测概率与所述第一图像集合所对应的标注信息4根据所述第四预测概率与所述第三图像集合所对应的所述根据所述第四预测概率与所述第三图像集合所对应的标注信息-log(p1[y1])；通过图像识别模型获取所述待识别图像所对应的图像识别结所述获取模块，还用于基于所述待训练图像集合，通5所述获取模块，还用于通过图像识别模型获取所述待识别图像所对应的图像识别结所述处理器用于执行所述存储器中的程序，包括执行如所述总线系统用于连接所述存储器以及所述处理器，以通过图像识别模型获取所述待识别图像所对应的图像识别结6练集，导致已经标注好的医学图像并未得到有效的利用以及部分任务的训练集的数据不括至少一个第二图像以及至少一个干扰图像，所述第三图像集合包括至少一个第三图像，7预测结果，所述至少一个第三预测概率为所述待训练图像识别模型输出的另一个预测结8-log(p0[y0])；9-log(p1[y1])；[0077]本申请实施例提供了一种图像识别模型训练的方法，首先获取机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、光学字符识别图像识别系统可以包括医疗设备,医疗设备具体可以是内窥镜设备或者电子显否合格)等任务进行识别，最后可得到一个可视化的结果，给医生提供一个重点关注的区[0099]本申请中所使用的图像识别模型可采用如图2所示的架构进行者密集卷积网络(DenseNet)结构。在训练的过程中可以对训练数据进行数据增强(dataaugmentation)以及数据预处理(preprocessing)，训练采用端到端的基于随机梯度一个预测结果，第二预测概率和第三预测概率为基于第二图像集合输出的一个预测结果，第二图像集合用于半监督学习，第二预测概率和第三预测概率为半监督学习的输出结果，坏，因此，可以使同一图片经过两次随机扰动输入网络，采用一致性约束损失函数[0113]本申请实施例提供了一种图像识别模型训练的方法，首先获取[0118]本实施例中，图像识别模型训练装置将第二图像集合输入至待训练图像识别模第二图像的样本集和干扰图像A的样本集都输入至待训练图像识别模型，从而得到每个样(learningtolearn)和带有辅助任务的学习(learningwithauxiliarytask)。通常情助辅助任务来改善原任务模型。本申请提供的多任务学习可以是基于参数硬共享来实现，[0129]属于第二任务的第一图以将1000个第二图像以及1000个第一干扰图像输入至待训练图像识别模型，也可以将100个第二图像以及100个第一干扰图像输入至待训练图像识别模型，此次不对第二图像的数音时，则随机加扰的过程可以称为Pi模型(Pi-Model)。若干扰图像为对抗干扰(adversarialperturbation)，则随机加扰的过程可以称为虚拟对抗训练MTL+w2Con+w3Ent+w4-log(p0[y0])；-log(p0[y0])；以是均方误差(mean-squareerror，MSE)损失函数，也可以是KL散度(Kullback-型训练的方法第八个可选实施例中，根据第四预测概率第三图像集合所对应的标注信息，-log(p1[y1])；-log(p1[y1])；[0224]所述获取模块301，还用于通过所述待训练图像识别模型获取所述第二图像集合[0225]所述获取模块301，还用于通过所述待训练图像识别模型获取所述第三图像集合测概率确定的，所述第二损失函数为根据所述第二预测概率和所述第三预测概率确定的，[0249]所述确定模块302，具体用于根据所述第一预测概率与所述第一图像集合所对应[0256]所述确定模块302，具体用于根据所述第一预测概率与所述第一图像集合所对应-log(p0[y0])；[0270]所述确定模块302，具体用于根据所述第四预测概率与所述第三图像集合所对应-log(p1[y1])；[0277]所述获取模块401，还用于通过图像识别模型获取所述待识别图像所对应的图像识别结果，其中，所述图像识别模型为上述图3对应的各个实施例中所提供的图像识别模532，一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GlobalSystemofMobilecommunication，GSM)、通用分组无线服务(General分多址(WidebandCodeDivisionMultipleAccess,WCDMA)、长期演进(Long[0296]存储器620可用于存储软件程序以及模块，处理器680通过运行存储在存储器620[0297]输入单元630可用于接收输入的数字或字符信息，以及产生与手机的用户设置以[0298]显示单元640可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元640可包括显示面板641，可选的，可以采用液晶显示器(Liquid将触控面板631与显示面板641集成而的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切[0301]WiFi属于短距离无线传输技术，手机通过WiFi模块670可以帮助用户收发电子邮过运行或执行存储在存储器620内的软件程序和/或模块，以及调用存储在存储器620内的内窥镜医疗诊断系统80是用于支援内窥镜业务的系统。内窥镜医疗诊断系统70具有探头703根据处理器702输入的影像信号显示病灶识别结果，该病灶识别结果具体是影像结果，通过接口705向终端设备80发送采集到的内窥镜图像，由终端设备80对内窥镜图像进行识[0324]基于第二图像集合，通过待训练图像识别模型获取第二预测概率和第三预测概[0327]基于至少一个第一图像，通过待训练图像识别模型所包括的全连接层第一预测[0351]所述集成的单元如果