[发明专利]一种模型训练及图像处理方法、装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

确定待训练的图像处理模型，所述图像处理模型包括第一模型和第二模型；

确定待处理的样本图像，并输入所述样本图像至所述图像处理模型；

通过所述第一模型对所述样本图像进行处理，得到第一模型输出的已处理图像；通过所述第二模型，针对已处理图像中所包括的每个已处理区域，为该已处理区域从标注图像中确定出所对应的标注区域，对该已处理区域与对应的标注区域之间的差异度进行预测，并根据得到的预测差异度为各已处理区域确定对应的区域权重；

针对每个已处理区域，确定该已处理区域与对应的标注区域之间的差异度，作为该已处理区域的标注差异度；

以该已处理区域对应的区域权重对该已处理区域的标注差异度进行加权；

以加权后的各已处理区域的标注差异度最小为目标，调整所述图像处理模型中的参数。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

以所述第二模型为各已处理区域预测出的预测差异度与各已处理区域的标注差异度之间的差异最小为目标，调整所述图像处理模型中的参数。

3.如权利要求1所述的方法，其特征在于，已处理区域由已处理图像中被处理的若干个像素点构成；

确定该已处理区域与对应的标注区域之间的差异度，具体包括：

针对该已处理区域中所包括的每个像素点，确定该像素点所属的像素点对，所述像素点对中还包括与该已处理区域相对应的标注区域中，与该像素点相对应的像素点；

针对每个像素点对，确定该像素点对中两个像素点的像素值；

将各像素点对中两个像素点的像素值的差值的绝对值之和，作为已处理区域与对应的标注区域之间的差异度，和/或，将各像素点对两个像素点的像素值的梯度的差值的绝对值之和，作为已处理区域与对应的标注区域之间的差异度。

4.如权利要求1所述的方法，其特征在于，所述第一模型包括粗处理子网络和精处理子网络；

通过所述第一模型对所述样本图像进行处理，得到第一模型输出的已处理图像，具体包括：

通过第一模型中所包括的粗处理子网络，根据输入所述粗处理子网络的样本图像，得到粗处理子网络输出的粗处理图像；

将所述粗处理图像输入至第一模型的精处理子网络中，通过所述精处理子网络，得到精处理子网络输出的已处理图像。

5.如权利要求4所述的方法，其特征在于，所述粗处理子网包括第一编码端和第一解码端；

通过第一模型中所包括的粗处理子网络，根据输入所述粗处理子网络的样本图像，得到粗处理子网络输出的粗处理图像，具体包括：

根据输入粗处理子网的第一编码端中的样本图像，通过所述第一编码端中所包括的若干个顺次相连的特征提取层，得到所述第一编码端的最后一个特征提取层输出的第一编码特征；

确定由所述第一编码端中的第一指定提取层输出的第一指定特征，并将所述第一指定特征，以及所述第一编码特征输入所述第一解码端；

通过所述第一解码端，根据所述第一编码特征以及所述第一指定特征，确定出图像粗特征；

根据所述图像粗特征，通过所述第一解码端，得到粗处理图像。

6.如权利要求4所述的方法，其特征在于，所述精处理子网包括第二编码端和第二解码端；

将所述粗处理图像输入至第一模型的精处理子网络中，通过所述精处理子网络，得到精处理子网络输出的已处理图像，具体包括：

输入所述粗处理图像至所述精处理子网的第二编码端，通过所述第二编码端中所包括的若干个顺次相连的特征提取层，得到所述第二编码端的最后一个特征提取层输出的第二编码特征；

确定由所述第二编码端中的第二指定提取层输出的第二指定特征，通过所述第二解码端，根据所述第二编码特征以及所述第二指定特征，确定出图像精特征；

根据所述图像精特征，通过所述第二解码端，得到已处理图像。

7.如权利要求5所述的方法，其特征在于，第一编码端的各特征提取层中包括至少一个残差块。