CN116664444A - 基于图像的自编码器训练方法、装置、设备及存储介质 - Google Patents

基于图像的自编码器训练方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116664444A
CN116664444A CN202310713710.8A CN202310713710A CN116664444A CN 116664444 A CN116664444 A CN 116664444A CN 202310713710 A CN202310713710 A CN 202310713710A CN 116664444 A CN116664444 A CN 116664444A
Authority
CN
China
Prior art keywords
image
full
encoder
model
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310713710.8A
Other languages
English (en)
Inventor
舒畅
肖京
陈又新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310713710.8A priority Critical patent/CN116664444A/zh
Publication of CN116664444A publication Critical patent/CN116664444A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及人工智能技术，揭露一种基于医疗等领域中复杂图像的自编码器训练方法、装置、设备及存储介质。所述方法包括：利用编码器模型对初始图像的图像块集合进行编码操作，得到编码特征序列；用第一全连接层、第二全连接层对所述编码特征序列进行全连接及激活映射，得到第一输出值及第二输出值，对所述第一输出值及第二输出值进行重采样操作得到第一向量编码；利用第三全连接层对所述编码特征序列进行全连接，得到第三全连接结果，并与第一向量编码拼接，得到第二向量编码；通过解码器模型对第二向量编码进行图像复原，并根据复原图像与初始图像对所述编码器模型进行训练。本发明可以提高图片自编码器在对医疗图像解码后恢复图片时的精准度。

Description

基于图像的自编码器训练方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于图像的自编码器训练方法、装置、设备及计算机可读存储介质。
背景技术
机器视觉是人工智能领域中的重要组成部分，而对图片进行编码的编码器，则是图片特征是否提取完整、准确的关键。
目前业内对自编码方法一般使用编解码模型，将自身数据通过编码器进行编码，编码后再通过一个解码器恢复到本身。训练之后的自编码器可以将图片等类型数据进行特征提取，提取文本特征之后可以用来对图片进行分类。但由于医疗领域中的图片特征相对比较复杂，一般的图片自编码器在解码后恢复图片时往往精度较低，图片发生形变的概率较大，目前的自编码方法在对医疗图像识别时，精度较低。
发明内容
本发明提供一种基于图像的自编码器训练方法、装置、设备及存储介质，其主要目的在于通过提高图片自编码器在对医疗图像解码后恢复图片时的精准度。
为实现上述目的，本发明提供的一种基于图像的自编码器训练方法，包括：
步骤A：根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列；
步骤B：利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码；
步骤C：利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码；
步骤D：利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像；
步骤E：利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型。
可选的，所述预设的图像损失函数为：
L＝‖x-y‖2+β*DKL[N(μz，σz)，N(0，1)]+γ*S(z)
其中，x为复原图像，y为初始图像，z为第一向量编码，β及γ均为预设的超参数，μz为第一输出值，σz为第二输出值；DKL为KL散度，B为训练过程中一个批次的大小，i及j为该批次中的图片标号，zi为标号为i的图片，zj为标号为j的图片；Aij为同批次图片i及图片j的相似性矩阵。
可选的，所述得到所述初始图像对应训练的编码器模型之后，所述方法还包括：
获取预构建的训练样本图像集合，选择所述训练图像样本图像集合中的其中一个样本图像，并执行上述步骤A至步骤E的操作步骤，对所述编码器模型进行迭代训练，得到选择的所述样本图像对应的编码器模型，并依次记录所述样本图像对应的损失值；
当所述损失值大于或等于预设的合格阈值，或所述损失值未收敛时，返回上述选择所述训练图像样本图像集合中的下一个样本图像，并执行上述步骤A至步骤E的操作步骤；
当所述损失值小于预设的合格阈值，或所述损失值收敛时，停止训练过程，得到最终训练完成的编码器模型。
可选的，所述得到最终训练完成的编码器模型之后，所述方法还包括：
利用与所述编码器模型相同批次大小的训练图像，训练不同应用场景对应的图片分类器集合；
根据预设的应用场景对应关系表，从所述图片分类器集合中提取与所述目标应用场景相对应的图片分类器；
将所述图片分类器与所述编码器模型进行连接，得到适用于所述目标应用场景的图像分类模型。
可选的，所述根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型，包括：
根据梯度下降方法，最小化所述损失值，得到所述损失值最小时，所述编码器模型、所述译码器模型、所述第一全连接层、所述第二全连接层及所述第三全连接层的参数值集合；
通过网络逆向传播，利用所述参数值集合，对所述编码器模型、所述译码器模型、所述第一全连接层、所述第二全连接层及所述第三全连接层进行参数更新。
可选的，所述根据预设的分辨率大小对预构建的初始图像进行分块操作的步骤之前，所述方法还包括：
利用均值滤波算法对所述初始图像进行降噪处理。
可选的，所述编码器模型及所述解码器模型均为ViT模型。
为了解决上述问题，本发明还提供一种基于图像的自编码器训练装置，所述装置包括：
图像初级编码模块，用于根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列；
向量采样学习模块，用于利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码；
向量拼接模块，用于利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码；
模型训练模块，用于利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像，及利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行训练，得到所述初始图像对应训练的编码器模型。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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上述所述的基于图像的自编码器训练方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于图像的自编码器训练方法。
本发明实施例分别以第一全连接层和第二全连接层的结果为均值和方差的分布进行采样学习，结合第三全连接层的结果，保证图片的形态，使得解码器在生成新的图片时保持旋转不变，形态均匀，尽可能与输入的初始图片一致，实现图片自编码器在解码后恢复图片时的精准度提升。因此，本发明实施例提供的一种基于图像的自编码器训练方法、装置、设备及存储介质，能够在于通过提高图片自编码器在对医疗图像解码后恢复图片时的精准度。
附图说明
图1为本发明一实施例提供的基于图像的自编码器训练方法的流程示意图；
图2为本发明一实施例提供的基于图像的自编码器训练方法中一个步骤的详细流程示意图；
图3为本发明一实施例提供的基于图像的自编码器训练装置的功能模块图；
图4为本发明一实施例提供的实现所述基于图像的自编码器训练方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于图像的自编码器训练方法。本申请实施例中，所述基于图像的自编码器训练方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于图像的自编码器训练方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于图像的自编码器训练方法的流程示意图。在本实施例中，所述基于图像的自编码器训练方法包括步骤S1～S5：
S1、根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列。
本发明实施例中，所述初始图像可以是医疗领域的图像，如颅内大脑图片、人体的软组织结构X光图片等。由于医疗领域的图像中有较多的图像特征，本发明实施例通过图像分块patch的过程，得到图像集合patches，有利于增加医疗图像特征识别率。本发明实施例中，所述预设的分辨率可以为7*7像素大小。
本发明将得到patches全部输入编码器模型ViT模型中，得到维度为d的编码特征序列[CLS]。
此外，本发明实施例中，所述根据预设的分辨率大小对预构建的初始图像进行分块操作的步骤之前，所述方法还包括：
利用均值滤波算法对所述初始图像进行降噪处理。
所述均值滤波算法是指指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素，构成一个滤波模板，即包括目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值的方法，本发明实施例中，在训练编码器之前，通过均值滤波算法可以有效减少图像的数据量，增加训练速度。
S2、利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码。
本发明实施例中，所述第一全连接层及第二全连接层均为N层的全连接层组成，本发明实施例中，所述N为3。此外，所述激活函数均为sigmoid激活函数。
本发明实施例中，三层的全连接之后通过激活函数sigmoid，将第一全连接层和第二全连接层的输出映射到一个值上，然后，根据预设的重采样策略，把第一全连接层输出的值作为均值，第二全连接层输出的值作为方差，形成一个以N(μz，σz)的概率分布进行重新采样，采样后的结果输出为z，z向量的维度为d。其中，所述μ及σ分别代表均值及方差。其中，所述重采样为一种影像数据重新组织过程中的灰度处理方法，一种从高分辨率影像中提取出低分辨率影像的过程，此处不加以赘述。
S3、利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码。
本发明实施例中，所述第三全连接层输出结果后，不经过激活函数进行映射操作，得到与原始维度d相同的第三全连接结果。然后将所述第一向量编码和所述第三全连接结果进行向量拼接，组成一个维度为2d的向量。
本发明实施例通过模型中以第一输出值、第二输出值为均值和方差的分布进行采样学习，结合第三全连接结果的全连接特征，保证图片的形态，使得解码器在生成新的图片时保持旋转不变，形态均匀，尽可能与原始输入的图片一致。
S4、利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像。
本发明实施例将2d维度的第二向量编码，作为解码器(ViT模型)的输入，通过解码器进行解码，生成新的复原图像。其中，所述编码器模型和解码器模型的模型结构都为ViT模型，但里面的参数独立。
S5、利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型。
本发明实施例中，主要训练目标是将解码器生成新的图片恢复到原始输入图片。因此，因此设计了所述图像损失函数：
L＝‖x-y‖2+β*DKL[N(μz，σz)，N(0，1)]+γ*S(z)
其中，x为复原图像，y为初始图像，z为第一向量编码，β及γ均为预设的超参数，μz为第一输出值，σz为第二输出值；DKL为KL散度，B为训练过程中一个批次的大小，i及j为该批次中的图片标号，zi为标号为i的图片，zj为标号为j的图片；Aij为同批次图片i及图片j的相似性矩阵。
本发明实施例中，所述‖x-y‖2为所述复原图像与所述初始图像向量间的欧几里得距离，所述DKL[N(μz，σz)，N(0，1)]是计算以所述第一全连接层和所述第二全连接层为均值和方差采样出来的数据，与以0为均值，1为方差的分布采样出来的数据之间的KL散度，此外，式中：
所述B为训练过程中一个批次batch的大小，所述i及j为该批次中的图片，所述为计算一个训练批次中所述复原图像及所述初始图像的特征向量之间的相似度；而所述Aij为相似性矩阵，即计算出一个批次内每两两图片(包含图片自己和自己)的相关度，因此，所述S(z)可以表示为某i及j两张图片之间相较于一个batch中整体相似度的相似比例。
本发明实施例中设计了超参数β及γ，分别为0.3与0.7。
进一步的，参考图2所示，本发明实施例中，所述得到所述初始图像对应训练的编码器模型之后，所述方法还包括步骤S51～S53：
S51、获取预构建的训练样本图像集合，选择所述训练图像样本图像集合中的其中一个样本图像，并执行上述步骤S1至步骤S5的操作步骤，对所述编码器模型进行迭代训练，得到选择的所述样本图像对应的编码器模型；
S52依次记录所述样本图像对应的损失值；
S53、判断所述损失值的大小及收敛性；
当所述损失值大于或等于预设的合格阈值，或所述损失值未收敛时，返回上述选择所述训练图像样本图像集合中的下一个样本图像，并执行上述步骤A至步骤E的操作步骤；
当所述损失值小于预设的合格阈值，或所述损失值收敛时，S54、停止训练过程，得到最终训练完成的编码器模型。
本发明实施例中，所述训练样本图像集合也可以是具有较多图像特征的医疗图像。
本发明根据梯度下降方法对损失值进行最小化，并将得到的模型参数进行网络逆向传输，实现编码器模型更新。并通过把控所述损失值的大小及收敛性，对编码器模型的训练进度进行把控。当损失值足够小或趋于稳定之后，可表示训练完成，得到最终训练完成的编码器模型。
此外，本发明实施例中，所述得到最终训练完成的编码器模型之后，所述方法还包括：
利用与所述编码器模型相同批次大小的训练图像，训练不同应用场景对应的图片分类器集合；根据预设的应用场景对应关系表，从所述图片分类器集合中提取与所述目标应用场景相对应的图片分类器；将所述图片分类器与所述编码器模型进行连接，得到适用于所述目标应用场景的图像分类模型。
本发明实施例中，当得到训练完成的编码器模型后，还需要根据不同应用场景，选择不同的后续图片识别、分类等功能的分类器，实现模型落地，因此，本发明实施例需要训练一个同样以当前批次为大小的训练批次的图片分类器。然后将分类器与编码器进行连接，形成一个图像分类模型，只需微调训练即可投入使用。
例如本发明实施例将一批次训练图片导入所述图像分类模型中时，可以从训练好的编码器encoder中获得批次中所有图片的特征向量，将特征向量输入进一个MLP进行图片分类，分类损失函数使用交叉熵损失函数，完成微调训练。训练好分类模型后，可以对输入的单张图片进行类别分类。例中，所述与所述编码器模型相同批次大小的训练图像可以为组织坏死、肿胀等图像，进而训练得到用于检测组织炎症的图像分类模型。
本发明实施例通过分别以第一全连接层和第二全连接层的结果为均值和方差的分布进行采样学习，结合第三全连接层的结果，保证图片的形态，使得解码器在生成新的图片时保持旋转不变，形态均匀，尽可能与输入的初始图片一致，实现图片自编码器在解码后恢复图片时的精准度提升。因此，本发明实施例提供的一种基于图像的自编码器训练方法，能够在于通过提高图片自编码器在对医疗图像解码后恢复图片时的精准度。
如图3所示，是本发明一实施例提供的基于图像的自编码器训练装置的功能模块图。
本发明所述基于图像的自编码器训练装置100可以安装于电子设备中。根据实现的功能，所述基于图像的自编码器训练装置100可以包括图像初级编码模块101、向量采样学习模块102、向量拼接模块103及模型训练模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图像初级编码模块101，用于根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列；
所述向量采样学习模块102，用于利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码；
所述向量拼接模块103，用于利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码；
所述模型训练模块104，用于利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像，及利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行训练，得到所述初始图像对应训练的编码器模型。
详细地，本申请实施例中所述基于图像的自编码器训练装置100中所述的各模块在使用时采用与上述图1至图2中所述的基于图像的自编码器训练方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图4所示，是本发明一实施例提供的实现基于图像的自编码器训练方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于图像的自编码器训练程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于图像的自编码器训练程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于图像的自编码器训练程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于图像的自编码器训练程序是多个指令的组合，在所述处理器10中运行时，可以实现：
步骤A：根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列；
步骤B：利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码；
步骤C：利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码；
步骤D：利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像；
步骤E：利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
步骤A：根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列；
步骤B：利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码；
步骤C：利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码；
步骤D：利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像；
步骤E：利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于图像的自编码器训练方法，其特征在于，所述方法包括：
步骤A：根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列；
步骤B：利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码；
步骤C：利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码；
步骤D：利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像；
步骤E：利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型。
2.如权利要求1所述的基于图像的自编码器训练方法，其特征在于，所述预设的图像损失函数为：
L＝‖x-y‖2+*KL[N(μz，σz)，N(0，1+γ*S(z)
其中，x为复原图像，y为初始图像，z为第一向量编码，及γ均为预设的超参数，μz为第一输出值，σz为第二输出值；DKL为KL散度，B为训练过程中一个批次的大小，i及j为该批次中的图片标号，zi为标号为i的图片，zj为标号为j的图片；Aij为同批次图片i及图片j的相似性矩阵。
3.如权利要求1所述的基于图像的自编码器训练方法，其特征在于，所述得到所述初始图像对应训练的编码器模型之后，所述方法还包括：
获取预构建的训练样本图像集合，选择所述训练图像样本图像集合中的其中一个样本图像，并执行上述步骤A至步骤E的操作步骤，对所述编码器模型进行迭代训练，得到选择的所述样本图像对应的编码器模型，并依次记录所述样本图像对应的损失值；
当所述损失值大于或等于预设的合格阈值，或所述损失值未收敛时，返回上述选择所述训练图像样本图像集合中的下一个样本图像，并执行上述步骤A至步骤E的操作步骤；
当所述损失值小于预设的合格阈值，或所述损失值收敛时，停止训练过程，得到最终训练完成的编码器模型。
4.如权利要求3所述的基于图像的自编码器训练方法，其特征在于，所述得到最终训练完成的编码器模型之后，所述方法还包括：
利用与所述编码器模型相同批次大小的训练图像，训练不同应用场景对应的图片分类器集合；
根据预设的应用场景对应关系表，从所述图片分类器集合中提取与所述目标应用场景相对应的图片分类器；
将所述图片分类器与所述编码器模型进行连接，得到适用于所述目标应用场景的图像分类模型。
5.如权利要求1所述的基于图像的自编码器训练方法，其特征在于，所述根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型，包括：
根据梯度下降方法，最小化所述损失值，得到所述损失值最小时，所述编码器模型、所述译码器模型、所述第一全连接层、所述第二全连接层及所述第三全连接层的参数值集合；
通过网络逆向传播，利用所述参数值集合，对所述编码器模型、所述译码器模型、所述第一全连接层、所述第二全连接层及所述第三全连接层进行参数更新。
6.如权利要求1所述的基于图像的自编码器训练方法，其特征在于，所述根据预设的分辨率大小对预构建的初始图像进行分块操作的步骤之前，所述方法还包括：
利用均值滤波算法对所述初始图像进行降噪处理。
7.如权利要求1所述的基于图像的自编码器训练方法，其特征在于，所述编码器模型及所述解码器模型均为ViT模型。
8.一种基于图像的自编码器训练装置，其特征在于，所述装置包括：
图像初级编码模块，用于根据预设的分辨率大小对预构建的初始图像进行分块操作，得到图像块集合，并利用预构建的编码器模型对所述图像块集合进行编码操作，得到预设维度的编码特征序列；
向量采样学习模块，用于利用预构建的第一全连接层对所述编码特征序列进行全连接操作，得到第一全连接结果，并将所述第一全连接结果进行激活函数映射操作，得到第一输出值，及利用预构建的第二全连接层对所述编码特征序列进行全连接操作，得到第二全连接结果，并将所述第二全连接结果进行激活函数映射操作，得到第二输出值，并根据预设的重采样策略，对所述第一输出值及所述第二输出值进行重采样操作，得到所述预设维度的第一向量编码；
向量拼接模块，用于利用预构建的第三全连接层对所述编码特征序列进行全连接操作，得到第三全连接结果，并将所述第三全连接结果与所述第一向量编码进行拼接操作，得到第二向量编码；
模型训练模块，用于利用预构建的解码器模型对所述第二向量编码进行解码操作，得到复原图像，及利用预设的图像损失函数，计算所述复原图像与所述初始图像的损失值，并根据梯度下降方法及所述损失值对所述编码器模型进行参数更新，得到所述初始图像对应训练的编码器模型。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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如权利要求1至7中任意一项所述的基于图像的自编码器训练方法。
10.一种计算机可读存储介质，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如权利要求1至7中任意一项所述的基于图像的自编码器训练方法。
CN202310713710.8A 2023-06-15 2023-06-15 基于图像的自编码器训练方法、装置、设备及存储介质 Pending CN116664444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310713710.8A CN116664444A (zh) 2023-06-15 2023-06-15 基于图像的自编码器训练方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310713710.8A CN116664444A (zh) 2023-06-15 2023-06-15 基于图像的自编码器训练方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116664444A true CN116664444A (zh) 2023-08-29

Family

ID=87726029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310713710.8A Pending CN116664444A (zh) 2023-06-15 2023-06-15 基于图像的自编码器训练方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116664444A (zh)

Similar Documents

Publication Publication Date Title
CN113283446B (zh) 图像中目标物识别方法、装置、电子设备及存储介质
CN112651342B (zh) 人脸识别方法、装置、电子设备及存储介质
CN113705462B (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN113887408B (zh) 活化人脸视频的检测方法、装置、设备及存储介质
CN116630457A (zh) 图片生成模型的训练方法、装置、电子设备及存储介质
CN116778527A (zh) 人体模型构建方法、装置、设备及存储介质
CN113705469A (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN113627394B (zh) 人脸提取方法、装置、电子设备及可读存储介质
CN116705304A (zh) 基于图像文本的多模态任务处理方法、装置、设备及介质
CN113704474B (zh) 银行网点设备操作指引生成方法、装置、设备及存储介质
CN113240585B (zh) 基于生成对抗网络的图像处理方法、装置及存储介质
CN113723280B (zh) 基于静态人脸的对抗样本检测方法、装置、设备、介质
CN117392996A (zh) 目标语音识别方法、装置、电子设备及存储介质
CN115098644B (zh) 图像与文本匹配方法、装置、电子设备及存储介质
CN116563539A (zh) 肿瘤图像分割方法、装置、设备及计算机可读存储介质
CN116630712A (zh) 基于模态组合的信息分类方法、装置、电子设备及介质
CN116701635A (zh) 培训视频文本二分类方法、装置、设备及存储介质
CN113239814B (zh) 基于光流重构的面部表情识别方法、装置、设备及介质
CN113705686B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN114463685B (zh) 行为识别方法、装置、电子设备及存储介质
CN113989548B (zh) 证件分类模型训练方法、装置、电子设备及存储介质
CN116664444A (zh) 基于图像的自编码器训练方法、装置、设备及存储介质
CN115203375A (zh) 图文跨模态模型的数据增强方法、装置、设备及存储介质
CN112580505B (zh) 网点开关门状态识别方法、装置、电子设备及存储介质
CN112541436B (zh) 专注度分析方法、装置、电子设备及计算机存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination