CN114627343A - 深度学习模型的训练方法、图像处理方法、装置及设备 - Google Patents

Abstract

本公开提供了一种深度学习模型的训练方法、图像处理方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及深度学习领域。具体实现方案为：深度学习模型包括第一模型和第二模型，方法包括：将初始样本图像输入第一模型，得到第一处理图像；利用初始样本图像和第一处理图像，对第二模型进行训练；以及根据第一模型和经训练后的第二模型，确定深度学习模型。

Description

深度学习模型的训练方法、图像处理方法、装置及设备

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习领域，具体地，涉及一种深度学习模型的训练方法、图像处理方法、装置、电子设备以及存储介质。

背景技术

深度学习，也称为深度结构化学习或分层学习，是基于人工神经网络的更广泛的机器学习方法族的一部分。深度学习架构，例如深度神经网络、深度信念网络、循环神经网络和卷积神经网络，已经被应用于包括计算机视觉、图像分割、语音识别、自然语言处理、音频识别、社交网络过滤、机器翻译、生物信息学、药物设计、医学图像分析、材料检查和棋盘游戏程序在内的领域。为保证各领域内输出结果的准确性，相应的模型训练必不可少。

发明内容

本公开提供了一种深度学习模型的训练方法、图像处理方法、装置、电子设备以及存储介质。

根据本公开的一方面，提供了一种深度学习模型的训练方法，包括：深度学习模型的训练方法，所述深度学习模型包括第一模型和第二模型，所述方法包括：将初始样本图像输入第一模型，得到第一处理图像；利用所述初始样本图像和所述第一处理图像，对第二模型进行训练；以及根据所述第一模型和经训练后的所述第二模型，确定所述深度学习模型。

根据本公开的另一方面，提供了一种图像处理方法，包括：将待处理图像输入深度学习模型，得到第三处理图像；所述深度学习模型是根据本公开的深度学习模型的训练方法训练得到的。

根据本公开的另一方面，提供了一种深度学习模型的训练装置，所述深度学习模型包括第一模型和第二模型，所述装置包括：第一获得模块，用于将初始样本图像输入第一模型，得到第一处理图像；训练模块，用于利用所述初始样本图像和所述第一处理图像，对第二模型进行训练；以及确定模块，用于根据所述第一模型和经训练后的所述第二模型，确定所述深度学习模型。

根据本公开的另一方面，提供了一种图像处理装置，包括：第三获得模块，用于将待处理图像输入深度学习模型，得到第三处理图像；所述深度学习模型是根据本公开的深度学习模型的训练装置训练得到的。

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本公开的深度学习模型的训练方法、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，其中，所述计算机指令用于使所述计算机执行本公开的深度学习模型的训练方法、图像处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开的深度学习模型的训练方法、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示意性示出了根据本公开实施例的可以应用深度学习模型的训练方法、图像处理方法及装置的示例性系统架构；

图2示意性示出了根据本公开实施例的深度学习模型的训练方法的流程图；

图3示意性示出了根据本公开实施例的交互式深度学习模型的训练方法的流程图；

图4示意性示出了根据本公开实施例的图像处理方法的流程图；

图5示意性示出了根据本公开实施例的对具有持续学习能力的交互式分割模型进行优化训练的示意图；

图6示意性示出了根据本公开实施例的深度学习模型的训练装置的框图；

图7示意性示出了根据本公开实施例的深度学习模型的训练装置的框图；以及

图8示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

图像分割技术在日常生活中应用广泛，如可以应用于自动驾驶车道线分割、视频会议人像抠图、医疗影像分割等等场景。随着深度学习技术的不断发展，分割精度也在不断提升，进一步加速了图像分割技术应用到生活的各个领域。提升图像分割模型的精度，需要采用大量高质量的标注数据对用于实现图像分割模型的神经网络进行训练来实现。

发明人在实现本公开构思的过程中发现，人工标注主要是通过手动的采点和拉线的方式进行标注，这种方式成本较高、效率较低。个人或小企业获取大规模高质量的数据较难，影响了分割技术的落地，提高了行业的准入门槛。在标注场景复杂的情况下，标注员还需要花费大量的时间成本。基于离线学习方式实现的交互式分割模型，在用户标注时会固定整个网络参数，只进行前向预测得到结果，使得模型不能够进行学习，泛化能力较差。在该种情况下，用户只能标注与训练数据集类似的场景，无法将模型迁移到其他具有较大差异的场景。如果将模型泛化到其他领域，会产生不能标注的问题。基于在线学习方式实现的交互式分割模型是直接通过用户的点击来优化模型参数或者激活信息，从而改变模型输出。该种学习方式无论在何种标注场景下，都会对模型的网络参数进行更新，更新频繁，导致模型出现灾难性遗忘问题，无法适应差异较大的标注任务。使得模型在适应了当前的标注任务后，对之前能够标注且表现较好的类别进行标注时，出现性能下降的问题。

本公开提供了一种深度学习模型的训练方法、图像处理方法、装置、电子设备以及存储介质。深度学习模型包括第一模型和第二模型，训练方法包括：将初始样本图像输入第一模型，得到第一处理图像；利用初始样本图像和第一处理图像，对第二模型进行训练；以及根据第一模型和经训练后的第二模型，确定深度学习模型。

图1示意性示出了根据本公开实施例的可以应用深度学习模型的训练方法、图像处理方法及装置的示例性系统架构。

需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用深度学习模型的训练方法、图像处理方法及装置的示例性系统架构可以包括终端设备，但终端设备可以无需与服务器进行交互，即可实现本公开实施例提供的深度学习模型的训练方法、图像处理方法及装置。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(″Virtual PrivateServer″，或简称″VPS″)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

需要说明的是，本公开实施例所提供的深度学习模型的训练方法一般可以由服务器105执行。相应地，本公开实施例所提供的深度学习模型的训练装置一般可以设置于服务器105中。本公开实施例所提供的深度学习模型的训练方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的深度学习模型的训练装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。本公开实施例所提供的图像处理方法一般可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的图像处理装置也可以设置于终端设备101、102、或103中。

或者，本公开实施例所提供的深度学习模型的训练方法一般也可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的深度学习模型的训练装置也可以设置于终端设备101、102、或103中。本公开实施例所提供的图像处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的图像处理装置一般可以设置于服务器105中。本公开实施例所提供的图像处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的图像处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

例如，在需要对深度学习模型进行训练时，终端设备101、102、103可以获取初始样本图像，然后将获取的初始样本图像发送给服务器105，由服务器105将初始样本图像输入第一模型，得到第一处理图像，利用初始样本图像和第一处理图像，对第二模型进行训练，并根据第一模型和经训练后的第二模型，确定深度学习模型。或者由能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群对初始样本图像进行处理，并实现确定深度学习模型。

例如，在需要对图像进行处理时，终端设备101、102、103可以获取待处理图像，然后将获取的待处理图像发送给服务器105，由服务器105将待处理图像输入深度学习模型，得到第三处理图像。深度学习模型是根据本公开的训练方法训练得到的。或者由能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群对待处理图像进行分析，并实现得到第三处理图像。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的深度学习模型的训练方法的流程图。

根据本公开的实施例，深度学习模型包括第一模型和第二模型。第一模型可以包括接收点击类交互信息作为输入，输出二值分割结果的网络模型，如hrnet18+ocr64、deeplabv3+等。HRnet，即High Resolution network，表征高分辨率网络。HRnet18+OCR64表征加入自注意力机制的高分辨率网络。deeplabv3+表征一种语义分割网络。第二模型可以包括基于3个空洞卷积模块和一个conv(卷积)模块确定的模型。

如图2所示，该方法包括操作S210～S230。

在操作S210，将初始样本图像输入第一模型，得到第一处理图像。

在操作S220，利用初始样本图像和第一处理图像，对第二模型进行训练。

在操作S230，根据第一模型和经训练后的第二模型，确定深度学习模型。

根据本公开的实施例，第一模型可以包括已利用由同一模态的图像构成的样本图像集训练收敛的模型。通用场景图像、医疗影像、遥感建筑图像可以分别属于不同模态的图像。样本图像集可以包括通用场景图像集、医疗影像图像集以及遥感建筑图像集等其中任意之一。第一模型可以包括交互式图像处理模型，如图像分割模型及其他图像处理模型等，其他图像处理模型例如可以包括图像分类模型、图像识别模型等其中至少之一。

根据本公开的实施例，初始样本图像可以包括通用场景图像、医疗影像、遥感建筑图像及其他模态的图像等其中任意之一。通用场景图像例如可以包括具有人、动物及其他物体等的图像。第一处理图像可以包括对初始样本图像进行初步处理后得到的图像。在第一模型为图像分割模型的情况下，初始样本图像中可以包括正标驻点和负标注点。正标注点可以用于标注初始样本图像中被确定为前景的区域的像素点，负标注点可以用于标注初始样本图像中被确定为背景的区域的像素点。在第一模型为其他图像处理模型的情况下，初始样本图像中可以不包括标注点信息。

根据本公开的实施例，第二模型可以包括具有持续学习功能的模型。第二模型在训练过程中可以学习各类图像的图像特征。经训练后的第二模型可以实现对第一处理图像的优化处理。第二模型可以是相较于第一模型更简单、更轻量化的模型。第二模型可以不依赖于某一特定的网络。例如，第二模型可以在独立于深度学习模型进行训练，然后，在深度学习模型需要使用该第二模型的情况下，引入该第二模型，实现即插即用。

根据本公开的实施例，可以仅利用初始样本图像和第一处理图像训练第二模型。然后，根据第一模型和经训练后的第二模型，确定深度学习模型。也可以利用初始样本图像训练第一模型，并利用初始样本图像和第一处理图像训练第二模型。然后，根据经训练后的第一模型和经训练后的第二模型，确定深度学习模型。

通过本公开的上述实施例，针对基于第一模型和第二模型构建得到的深度学习模型，可以对第二模型进行训练，使得得到的深度学习模型既能学习到新的特征，适应新的任务，又能减少对初始特征的遗忘，可有效提升模型的泛化能力。

下面结合具体实施例，对图2所示的方法做进一步说明。

根据本公开的实施例，初始样本图像可以包括初始正标注点和初始负标注点。初始正标注点可以是响应于接收到针对前景区域中的第一像素点的标注操作生成的。初始负标注点可以是响应于接收到针对背景区域中的第二像素点的标注操作生成的。

根据本公开的实施例，第一模型可以是交互式分割模型，第二模型可以是具有持续学习功能的模型，深度学习模型可以是具有持续学习功能的交互式分割模型。具有持续学习功能的交互式分割模型可以应用于像素级别的图像的标注任务，实现如自动驾驶车道线分割、医疗影像分割、通用场景中物体的分割、遥感建筑物分割等图像分割。

根据本公开的实施例，需要被分割得到的目标对象所占据的区域可以被确定为前景区域，样本图像中除前景区域外的其他区域可以被确定为背景区域。前景区域所包括的像素点可以为第一像素点，背景区域所包括的像素点可以为第二像素点。初始正标注点和初始负标注点可以预定义设置得到，也可以通过用户标注的方式得到。用户标注时所生成的操作可以作为上述标注操作。

根据本公开的实施例，在根据第一模型和经训练后的第二模型，确定深度学习模型的过程中，在需要对第一模型进行训练的情况下，可以利用初始样本图像以及标注于该初始样本图像上的正标注点信息和负标注点信息对第一模型进行训练。在需要对第二模型进行训练的情况下，可以将包括正标注点和负标注点的初始样本图像输入第一模型，得到针对初始样本图像进行初步分割得到的初始分割结果。然后，可以利用初始分割结果和包括正标注点和负标注点的初始样本图像对第二模型进行训练。

通过本公开的上述实施例，可以基于接收到的标注操作标注的正负标注点信息，对深度学习模型进行训练，可以实现交互式的深度学习模型，有利于针对不同的标注场景，训练得到符合当前场景中所需要的标注任务的模型。此外，深度学习模型可以根据初始样本图像中的初始正标注点和初始负标注点的信息自动识别前景区域和背景区域，基于训练得到的模型进行任务标注时，可以有效减少人工标注成本，简化标注过程，提升标注效率，节约标注成本。

根据本公开的实施例，在利用初始样本图像执行针对深度学习模型的训练操作的过程中，深度学习模型的训练方法还可以包括：将初始样本图像和第一处理图像输入第二模型，得到第二处理图像。响应于确定第二处理图像满足预定条件，将初始样本图像更新为目标样本图像。

根据本公开的实施例，第二处理图像可以表征对初始样本图像经第一模型处理得到的第一处理图像进一步优化处理后的图像。预定条件可以包括第二处理图像未达到预期处理效果。在确定利用深度学习模型对初始样本图像处理得到的第二处理图像未达到预期处理效果的情况下，可以对初始样本图像进行更新。

根据本公开的实施例，在确定利用深度学习模型对初始样本图像处理得到的第二处理图像达到预期处理效果的情况下，可以对第二处理图像进行保存，以保存针对初始样本图像进行处理后的处理结果。需要说明的是，在该种情况下，也可以对初始样本图像进行更新，以进一步优化深度学习模型。

图3示意性示出了根据本公开实施例的交互式深度学习模型的训练方法的流程图。

如图3所示，该方法包括操作S310～S360。

在操作S310，将初始样本图像输入第一模型，得到第一处理图像。

在操作S320，利用初始样本图像和第一处理图像，对第二模型进行训练。

在操作S330，确定将初始样本图像和第一处理图像输入第二模型，得到的第二处理图像。

在操作S340，第二处理图像是否满足预定条件？若是，则执行操作S350～S360；若否，则执行操作S360。

在操作S350，存储第二处理图像。

在操作S360，将初始样本图像更新为目标样本图像，并将目标样本图像作为初始样本图像，执行操作S310～S330。

根据本公开的实施例，在需要对第一模型进行训练的情况下，可以首先利用初始样本图像对第一模型进行训练。然后，利用第一模型对初始样本图像处理得到的第一处理图像和该初始样本图像，对第二模型进行训练。

根据本公开的实施例，将初始样本图像更新为目标样本图像的方法可以包括：将初始样本图像替换为其他同模态的样本图像，得到目标样本图像。在初始样本图像中增加正标注点和负标注点其中至少之一，得到目标样本图像。

通过本公开的上述实施例，实现了一种具有持续学习能力的交互式深度学习模型，利用当前任务下用户标注的标注点信息和标注结果，可有效优化交互式深度学习模型，使得交互式深度学习模型可以更好的适应当前的标注任务，并可提升标注效率和标注精度。

根据本公开的实施例，将初始样本图像更新为目标样本图像可以包括：响应于接收到针对前景区域中的第三像素点的标注操作，生成目标正标注点。第三像素点包括前景区域中除第一像素点之外的其他像素点。响应于接收到针对背景区域中的第四像素点的标注操作，生成目标负标注点。第四像素点包括背景区域中除第二像素点之外的其他像素点。将包括目标正标注点和目标负标注点的目标样本图像，确定为目标样本图像。

根据本公开的实施例，在确定第二处理图像为达到预期效果的情况下，用户可以对初始样本图像新增标注信息，可以包括新增正标注点和负标注点其中至少之一，已得到更新后的目标样本图像。

通过本公开的上述实施例，基于交互式深度学习模型的交互式特征，提供了一种交互式智能标注方式，交互式智能标注可以在利用初始样本图像对深度学习模型执行训练操作的过程中，支持用户对初始样本图像中的标注进行多次更新，实现对初始样本图像的更新，并基于交互式更新的过程实现对深度学习模型的优化。

根据本公开的实施例，第一模型可以是利用图像模态为目标模态的样本图像集训练得到的。根据第一模型和经训练后的第二模型，确定深度学习模型可以包括：响应于检测到初始样本图像所表征的图像模态与目标模态一致，将第一模型和经训练后的第二模型确定为深度学习模型。

根据本公开的实施例，目标模态可以包括通用场景图像所表征的模态、医疗影像所表征的模态以及遥感建筑图像所表征的模态等其中任意之一。在确定初始样本图像所表征的图像模态与训练第一模型的样本图像集所表征的图像模态一致的情况下，对深度学习模型进行训练优化的方式可以为插件优化方式，表示仅调整第二模型，不调整第一模型。

例如，第一模型可以为分割模型，第二模型可以为持续学习模型，用于训练分割模型的样本图像集所表征的目标模态可以为通用场景图像所表征的模态。在当前标注任务所对应的场景与训练第一模型时所基于的样本图像集所对应的通用场景相似的情况下，可以固定分割模型的初始参数，只优化持续学习模型，仅让持续学习模型去学习当前的标注行为和标注图像的相关特征。然后，将分割模型和优化后的持续学习模型确定为优化后的深度学习模型。

通过本公开的上述实施例，在初始样本图像所表征的标注场景与训练第一模型的样本图像集所表征的训练场景相似的情况下，基于上述优化方式，可有效缓解对本已具有较好泛化能力的深度学习模型的参数修改较大，导致深度学习模型陷入局部极小值，使整个输出结果退化的问题，并可使得深度学习模型能够持续适应不同的图像分布差异，持续提升标注效果。

根据本公开的实施例，在第一模型是利用图像模态为目标模态样本图像集训练得到的模型的情况下，根据第一模型和经训练后的第二模型，确定深度学习模型还可以包括：响应于检测到初始样本图像所表征的图像模态与目标模态不一致，利用初始样本图像，对第一模型进行微调。将经微调后的第一模型和经训练后的第二模型确定为深度学习模型。

例如，第一模型可以为分割模型，第二模型可以为持续学习模型，用于训练分割模型的样本图像集所表征的目标模态可以为通用场景图像所表征的模态。在当前标注任务所对应的场景为遥感图像或医疗影像等场景的情况下，可以确定当前标注任务所对应的场景与训练第一模型时所基于的样本图像集所对应的通用场景差异较大。在该种情况下，可以对分割模型和持续学习模型一起优化。优化过程例如可以包括：修正轻量化的持续学习模型，使其主要适应场景的迁移带来的差异。微调分割模型的参数，使其适应当前的任务变化。

通过本公开的上述实施例，在初始样本图像所表征的标注场景与训练第一模型的样本图像集所表征的训练场景有明显差异的情况下，模型可以不断学习。通过对第一模型进行微调的方式，减少对第一模型的参数的优化，能够使得深度学习模型快速适应当前任务的标注精度，并能有效减少深度学习模型对于之前基于第一模型已经学习到的类特征的遗忘。通过将对深度学习模型的优化主要作用于第二模型上，调整第二模型的参数，能够有效提升模型的持续学习能力，使得深度学习模型在域迁移较大的场景下不断适应当下的任务，提升模型泛化能力。

根据本公开的实施例，对第一模型进行微调所利用的第一学习率小于对第二模型进行训练所利用的第二学习率。

需要说明的是，学习率是位于损失函数梯度前，更新网络权重的超参数。学习率越低，网络权重的更新速度越慢，损失函数变化速度越慢，损失函数收敛需要花费的时间越长。

根据本公开的实施例，第一学习率可以小于第二学习率的百分之一。

通过本公开的上述实施例，可以将模型优化的过程主要作用与第二模型上，减少对第一模型以学习到的类特征的灾难性遗忘的问题，还可有效提升模型的范化能力。

根据本公开的实施例，利用基于上述训练方法持续优化训练的深度学习模型，例如可以进行图像处理。

图4示意性示出了根据本公开实施例的图像处理方法的流程图。

如图4所述，该方法包括操作S410～S420。

在操作S410，获取待处理图像。

在操作S420，将待处理图像输入深度学习模型，得到第三处理图像。

根据本公开的实施例，待处理图像可以包括待分割图像、待分类图像、待识别图像等其中任意之一。相应地，得到的第三处理图像可以包括分割后图像、分类结果和识别结果等其中任意之一。

通过本公开的上述实施例，基于包括第一模型和第二模型的深度学习模型进行图像处理，可以适应多种场景下的待处理图像，提高图像处理的效率，并可提高每个图像处理结果的准确度。

根据本公开的实施例，待处理图像中可以包括预定正标注点和预定负标注点，预定正标注点是响应于接收到针对前景区域中的像素点的标注操作生成的，预定负标注点是响应于接收到针对背景区域中的像素点的标注操作生成的。

通过本公开的上述实施例，可以基于接收到的标注操作标注的正负标注点信息，对深度学习模型进行训练，可以实现交互式的深度学习模型，有利于针对不同的标注场景，训练得到符合当前场景中所需要的标注任务的模型。此外，深度学习模型可以根据初始样本图像中的初始正标注点和初始负标注点的信息自动识别前景区域和背景区域，基于训练得到的模型进行任务标注时，可以有效减少标注员工作，简化标注过程，提升标注效率，节约标注成本。

根据本公开的实施例，第三处理图像包括分割后图像。

通过本公开的上述实施例，结合前述深度学习模型，可以实现一种具有持续学习能力的交互式分割模型，可应用于各种模态的待分割图像，提高分割效率及精度。

根据本公开的实施例，上述深度学习模型可以利用采集的各类模态的样本图像集离线训练得到，也可以在利用该深度学习模型对待处理图像进行处理的过程中，利用该待处理图像及相关标注信息对深度学习模型进行在线训练得到。

图5示意性示出了根据本公开实施例的对具有持续学习能力的交互式分割模型进行优化训练的示意图。

如图5所示，待分割图像511中可以包括预定正标注点和预定负标注点。第一模型520可以为segmentation model(分割模型)，第二模型540可以为Adaptation model(持续学习模型)。分割模型520可以以待分割图像511，以及用户在待分割图像511上标注的正标注点、负标注点等信息作为输入，可以输出分割结果530。持续学习模型540可以以待分割图像511，用户在待分割图像511上标注的正标注点信息、负标注点信息，以及分割结果530作为输入，对分割模型520输出的分割结果530进行进一步优化，例如可以得到更优化的分割结果550。

需要说明的是，待分割图像511上标注的正标注点可以标注于动物体所占据的区域所包括的任一像素点上，待分割图像511上标注的负标注点可以标注于图像511中除动物体之外的其他区域所包括的任一像素点上。

根据本公开的实施例，在利用由分割模型520和持续学习模型540构建的交互式分割模型对图像511进行分割处理得到分割结果550的情况下，可以执行操作S560～S580。

在操作S560，确定用户是否满意？若是，则执行操作S570～S580；若否，则执行操作S580。在该操作中，用户可以对持续学习模型540输出的分割结果550进行满意度判断。

在操作S570，存储分割结果。在该操作中，可以在用户对分割结果550满意的情况下，对分割结果550进行存储。

在操作S580，训练交互式分割模型。在该操作中，无论用户是否对分割结果550满意，均可以基于该操作进一步优化交互式分割模型。

根据本公开的实施例，操作S580可以包括：用户通过点击交互的方式对图像511增加新的正、负标注点。例如，图像512中的白点可以表征对图像511增加的正标注点，图像513中的白点可以表征对图像511增加的负标注点。基于此，可以得到与原图像511的标注结果不同的更新后图像。然后，可以利用更新后图像，更新后图像中已标注的正标注点、负标注点等信息，以及分割模型520输出的对应于更新后图像的分割结果，对持续学习模型540进行优化训练。在该过程中，还可以得到更优化的分割结果。

根据本公开的实施例，在执行操作S580的过程中，在确定输入分割模型520的图像与之前已处理的图像的图像模态不一致的情况下，可以利用具有新模态的图像，以及用户在该具有新模态的图像上标注的正标注点、负标注点等信息，对分割模型520进行微调。然后，可以利用该具有新模态的图像，用户在该具有新模态的图像上标注的正标注点、负标注点等信息输入利用，以及分割模型520输出的对应于该具有新模态的图像的分割结果，对持续学习模型540进行优化训练。

根据本公开的实施例，对于每一次由持续学习模型540输出的分割结果，均可以对与该分割结果相对应的待分割图像上的标注点进行更新或修改，然后利用更新或修改标注点后的图像对交互式分割模型进行进一步优化训练。该训练过程可以持续到用户对持续学习模型540输出的分割结果满意为止。

通过本公开的上述实施例，在交互式分割模型的基础上增加持续学习模块，可以将持续学习能力引入到交互式分割模型中，实现具有持续学习能力的交互式分割模型，并针对用户标注不同模态图像，提供了一种高效的的持续学习优化方式。通过主要优化轻量化的分割模型来适应当前任务与训练数据的差异，减少对于基础分割模型中的网络参数的调整，可以打破交互式分割模型只能适用于与训练数据集类似的场景的壁垒，使得交互式分割模型能够持续适应于不同的分割任务，并可有效降低对于基础分割模型已学习到的类特征的灾难性遗忘的风险。

图6示意性示出了根据本公开实施例的深度学习模型的训练装置的框图。

根据本公开的实施例，深度学习模型包括第一模型和第二模型。

如图6所示，深度学习模型的训练装置600包括第一获得模块610、训练模块620和确定模块630。

第一获得模块610，用于将初始样本图像输入第一模型，得到第一处理图像。

训练模块620，用于利用初始样本图像和第一处理图像，对第二模型进行训练。

确定模块630，用于根据第一模型和经训练后的第二模型，确定深度学习模型。

根据本公开的实施例，初始样本图像包括初始正标注点和初始负标注点。初始正标注点是响应于接收到针对前景区域中的第一像素点的标注操作生成的。初始负标注点是响应于接收到针对背景区域中的第二像素点的标注操作生成的。

根据本公开的实施例，深度学习模型的训练装置还包括第二获得模块和更新模块。

第二获得模块，用于将初始样本图像和第一处理图像输入第二模型，得到第二处理图像。

更新模块，用于响应于确定第二处理图像满足预定条件，将初始样本图像更新为目标样本图像。

根据本公开的实施例，更新模块包括第一生成单元、第二生成单元和第一确定单元。

第一生成单元，用于响应于接收到针对前景区域中的第三像素点的标注操作，生成目标正标注点。第三像素点包括前景区域中除第一像素点之外的其他像素点。

第二生成单元，用于响应于接收到针对背景区域中的第四像素点的标注操作，生成目标负标注点。第四像素点包括背景区域中除第二像素点之外的其他像素点。

第一确定单元，用于将包括目标正标注点和目标负标注点的目标样本图像，确定为目标样本图像。

根据本公开的实施例，第一模型是利用图像模态为目标模态的样本图像集训练得到的。确定模块包括第二确定单元。

第二确定单元，用于响应于检测到初始样本图像所表征的图像模态与目标模态一致，将第一模型和经训练后的第二模型确定为深度学习模型。

根据本公开的实施例，第一模型是利用图像模态为目标模态样本图像集训练得到的。确定模块包括微调模块和第三确定单元。

微调模块，用于响应于检测到初始样本图像所表征的图像模态与目标模态不一致，利用初始样本图像，对第一模型进行微调。

第三确定单元，用于将经微调后的第一模型和经训练后的第二模型确定为深度学习模型。

根据本公开的实施例，对第一模型进行微调所利用的第一学习率小于对第二模型进行训练所利用的第二学习率。

图7示意性示出了根据本公开实施例的深度学习模型的训练装置的框图。

如图7所示，图像处理装置700包括第三获得模块710。

第三获得模块710，用于将待处理图像输入深度学习模型，得到第三处理图像。深度学习模型是根据上述深度学习模型的训练装置训练得到的。

根据本公开的实施例，待处理图像中包括预定正标注点和预定负标注点，预定正标注点是响应于接收到针对前景区域中的像素点的标注操作生成的，预定负标注点是响应于接收到针对背景区域中的像素点的标注操作生成的。

根据本公开的实施例，第三处理图像包括分割后图像。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开的深度学习模型的训练方法、图像处理方法。

根据本公开的实施例，一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开的深度学习模型的训练方法、图像处理方法。

根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开的深度学习模型的训练方法、图像处理方法。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如深度学习模型的训练方法、图像处理方法。例如，在一些实施例中，深度学习模型的训练方法、图像处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的深度学习模型的训练方法、图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行深度学习模型的训练方法、图像处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (21)

1.一种深度学习模型的训练方法，所述深度学习模型包括第一模型和第二模型，所述方法包括：

将初始样本图像输入第一模型，得到第一处理图像；

利用所述初始样本图像和所述第一处理图像，对第二模型进行训练；以及

根据所述第一模型和经训练后的所述第二模型，确定所述深度学习模型。

2.根据权利要求1所述的方法，其中，所述初始样本图像包括初始正标注点和初始负标注点，所述初始正标注点是响应于接收到针对前景区域中的第一像素点的标注操作生成的，所述初始负标注点是响应于接收到针对背景区域中的第二像素点的标注操作生成的。

3.根据权利要求2所述的方法，还包括：

将所述初始样本图像和所述第一处理图像输入所述第二模型，得到第二处理图像；以及

响应于确定所述第二处理图像满足预定条件，将所述初始样本图像更新为目标样本图像。

4.根据权利要求3所述的方法，其中，所述将所述初始样本图像更新为目标样本图像包括：

响应于接收到针对所述前景区域中的第三像素点的标注操作，生成目标正标注点，所述第三像素点包括所述前景区域中除所述第一像素点之外的其他像素点；

响应于接收到针对所述背景区域中的第四像素点的标注操作，生成目标负标注点，所述第四像素点包括所述背景区域中除所述第二像素点之外的其他像素点；以及

将包括所述目标正标注点和所述目标负标注点的目标样本图像，确定为所述目标样本图像。

5.根据权利要求1-4中任一项所述的方法，其中，所述第一模型是利用图像模态为目标模态的样本图像集训练得到的；

所述根据所述第一模型和经训练后的所述第二模型，确定所述深度学习模型包括：

响应于检测到所述初始样本图像所表征的图像模态与所述目标模态一致，将所述第一模型和经训练后的所述第二模型确定为所述深度学习模型。

6.根据权利要求1-4中任一项所述的方法，其中，所述第一模型是利用图像模态为目标模态样本图像集训练得到的；

所述根据所述第一模型和经训练后的所述第二模型，确定所述深度学习模型包括：

响应于检测到所述初始样本图像所表征的图像模态与所述目标模态不一致，利用所述初始样本图像，对所述第一模型进行微调；以及

将经微调后的所述第一模型和经训练后的所述第二模型确定为所述深度学习模型。

7.根据权利要求6所述的方法，其中，对所述第一模型进行微调所利用的第一学习率小于对所述第二模型进行训练所利用的第二学习率。

8.一种图像处理方法，包括：

将待处理图像输入深度学习模型，得到第三处理图像；

其中，所述深度学习模型是根据权利要求1-7中任一项所述的训练方法训练得到的。

9.根据权利要求8所述的方法，其中，所述待处理图像中包括预定正标注点和预定负标注点，所述预定正标注点是响应于接收到针对前景区域中的像素点的标注操作生成的，所述预定负标注点是响应于接收到针对背景区域中的像素点的标注操作生成的。

10.根据权利要求8所述的方法，其中，所述第三处理图像包括分割后图像。

11.一种深度学习模型的训练装置，所述深度学习模型包括第一模型和第二模型，所述装置包括：

第一获得模块，用于将初始样本图像输入第一模型，得到第一处理图像；

训练模块，用于利用所述初始样本图像和所述第一处理图像，对第二模型进行训练；以及

确定模块，用于根据所述第一模型和经训练后的所述第二模型，确定所述深度学习模型。

12.根据权利要求11所述的装置，其中，所述初始样本图像包括初始正标注点和初始负标注点，所述初始正标注点是响应于接收到针对前景区域中的第一像素点的标注操作生成的，所述初始负标注点是响应于接收到针对背景区域中的第二像素点的标注操作生成的。

13.根据权利要求12所述的装置，还包括：

第二获得模块，用于将所述初始样本图像和所述第一处理图像输入所述第二模型，得到第二处理图像；以及

更新模块，用于响应于确定所述第二处理图像满足预定条件，将所述初始样本图像更新为目标样本图像。

14.根据权利要求13所述的装置，其中，所述更新模块包括：

第一生成单元，用于响应于接收到针对所述前景区域中的第三像素点的标注操作，生成目标正标注点，所述第三像素点包括所述前景区域中除所述第一像素点之外的其他像素点；

第二生成单元，用于响应于接收到针对所述背景区域中的第四像素点的标注操作，生成目标负标注点，所述第四像素点包括所述背景区域中除所述第二像素点之外的其他像素点；以及

第一确定单元，用于将包括所述目标正标注点和所述目标负标注点的目标样本图像，确定为所述目标样本图像。

15.根据权利要求11-14中任一项所述的装置，其中，所述第一模型是利用图像模态为目标模态的样本图像集训练得到的；

所述确定模块包括：

第二确定单元，用于响应于检测到所述初始样本图像所表征的图像模态与所述目标模态一致，将所述第一模型和经训练后的所述第二模型确定为所述深度学习模型。

16.根据权利要求11-14中任一项所述的装置，其中，所述第一模型是利用图像模态为目标模态样本图像集训练得到的；

所述确定模块包括：

微调模块，用于响应于检测到所述初始样本图像所表征的图像模态与所述目标模态不一致，利用所述初始样本图像，对所述第一模型进行微调；以及

第三确定单元，用于将经微调后的所述第一模型和经训练后的所述第二模型确定为所述深度学习模型。

17.根据权利要求16所述的装置，其中，对所述第一模型进行微调所利用的第一学习率小于对所述第二模型进行训练所利用的第二学习率。

18.一种图像处理装置，包括：

第三获得模块，用于将待处理图像输入深度学习模型，得到第三处理图像；

其中，所述深度学习模型是根据权利要求11-17中任一项所述的训练装置训练得到的。

19.一种电子设备，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权利要求1-7或8-10中任一项所述的方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7或8-10中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7或8-10中任一项所述的方法。

Images