CN114266308B 检测模型训练方法及装置、图像检测方法及装置 （浙江网商银行股份有限公司）

本说明书实施例提供检测模型训练方法及一标识以及第二融合图像和第二标识输入判别2获取有标签样本图像和无标签样本图像，将所述有标签样本述有标签样本图像包括初始样本图像以及所述初始样本图像对对所述有标签样本图像进行处理，获得第一融合图像和第一标识将所述第一融合图像和所述第一标识以及所述第二融合图像和所述第二标识输入判在所述判别结果满足预设处理条件的情况下，基于所述第一基于所述第一损失函数以及所述第二损失函数对所述生2.根据权利要求1所述的检测模型训练方法，所述将所述第一融合图像和所述第一标确定第一融合图像的判别结果，在所述判别结果满足预设处理基于所述待处理融合图像确定待处理有标签样本图像对应的标签以及第一检测结果，基于所述待处理有标签样本图像对应的标签以及所述待处理有标签样本图像的第一检测基于所述第一损失函数以及所述第三损失函数对所述判别模块进行训练,直至达到训将所述有标签样本图像中的初始样本图像以及所述初始样本图像对应的标签进行拼4.根据权利要求3所述的检测模型训练方法，所述对所述无标签样本图像以及所述第确定待处理样本图像中的第一拼接信息，其中，所述第一拼接确定待处理样本图像对应的标签的第二拼接信息，基于所述第一拼接信息以及所述第二拼接信息在图像通道维度上进6.根据权利要求1所述的检测模型训练方法，所述基于所述第一融合图像以及所述第3对所述第一特征图进行处理，确定所述第一融合图像的第一处将所述第一处理值以及所述第二处理值的差值作7.根据权利要求1所述的检测模型训练方法，所述获取有标签样本图像和无标签样本将第一类型图像确定为有标签样本图像，将第二类型图像确定为无标生成模块是通过权利要求1-7任意一项所述的检测模型训练方法损失函数确定模块，被配置为在所述判别结果满足预设处训练模块，被配置为基于所述第一损失函数以及所述检测模块，被配置为将所述待处理图像输入目标生成模块，获得所所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1-7任意一项所述检测模型训练方4理器执行时实现权利要求1-7任意一项所述检测模型训练方法5[0005]获取有标签样本图像和无标签样本图像，将所述有标签[0007]将所述第一融合图像和所述第一标识以及所述第二融合图像和所述第二标识输述目标生成模块是通过上述检测模型训练方法67[0036]在本说明书一个或多个实施例中使用的术语是仅仅出于述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分8[0049]OCR应用中针对图像中文字检测模型需要应对不同场景，如果模型没有在特定场[0052]图1示出了根据本说明书一个实施例提供的一种检测模型训练方法的流程图，具[0055]其中，所述有标签样本图像包括初始样本图像以及所述初始样本图像对应的标9[0060]将第一类型图像确定为有标签样本图像，将第二类型图像确定为无标签样本图施例对于通用场景和特定场景数据的区分在此不[0068]第一标识可以理解为通过人工的方式或者机器处理的方式对第一融合图进行打[0071]将所述有标签样本图像中的初始样本图像以及所述初始样本图像对应的标签进[0077]将所述无标签样本图像以及所述第二检测结果进行拼接处理，获得第二融合图识可以理解为标识该像素点是否为文本区域，比如标签标识为1，表示该像素点为文本区上述待处理样本图像的标签和生成器输出的检测结果在拼接前需要乘[0088]步骤106：将所述第一融合图像和所述第一标识以及所述第二融合图像和所述第定本轮10张第二融合图像中具有2张的融合图像显示为该融合图像为有标签数据；由于第一检测结果和初始样本图像对应的标签(有标签样本图像事先已经人工标注的标签)确定对第一融合图像以及第二融合图像分别进行特征提取，获得第一特征图以及第二特征图；[0105]步骤110：基于所述第一损失函数以及所述第二损失函数对所述生成模块进行训[0110]基于所述待处理融合图像确定待处理有标签样本图像对应的标签以及第一检测[0111]基于所述第一损失函数以及所述第三后，可根据待处理融合图像确定待处理有标签样本图像对应的标签(即有标签原图对应的的2张第一融合图作为待处理融合图，进而获取到每张待处理融合图像对应的有标签样本到的效果为把判别器每个像素点的预测结果往0或1(即文本框区域与非文本框区域)的方算方式，可基于有标签数据融合图和无标签数据融合图对应的特征图计算方差的均方差，再确定损失函数；8)根据有标签数据分割结果和有标签数据中原图1的标签确定第三损失[0124]参见图3，图3示出了根据本说明书一个实施例提供的一种图像检测方法的流程[0127]步骤304：将所述待处理图像输入目标生成模块，获得所述待处理图像的检测结施例提供的检测模型训练方法训练的目标生成模块，在医院报告单输入至图像检测模型[0134]图像输入模块406，被配置为将所述第一融合图像和所述第一标识以及所述第二[0136]训练模块410，被配置为基于所述第一损失函数以及所述第二损失函数对所述生[0139]基于所述待处理融合图像确定待处理有标签样本图像对应的标签以及第一检测[0140]基于所述第一损失函数以及所述第三[0142]将所述有标签样本图像中的初始样本图像以及所述初始样本图像对应的标签进[0145]将所述无标签样本图像以及所述第二检测结果进行拼接处理，获得第二融合图[0158]本说明书提供的检测模型训练装置，通过获取有标签样本图像和无标签样本图多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网[0168]计算设备600可以是任何类型的静止或移动计算设备，包括移动计算机或移动计执行时实现上述检测模型训练方法或图像检[0171]本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指储介质的技术方案与上述的检测模型训练方法或图像检测方法的技术方案属于同一构思，[0175]上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围[0176]所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，