深度学习模型训练方法、装置、计算机设备及存储介质发明专利.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111860840 A (43)申请公布日 2020.10.30 (21)申请号 202010736381.5 (22)申请日 2020.07.28 (71)申请人 上海联影医疗科技有限公司 地址 201807 上海市嘉定区城北路2258号 (72)发明人 吕杨　 (74)专利代理机构 杭州华进联浙知识产权代理 有限公司 33250 代理人 单长芳 (51)Int.Cl. G06N 3/08 (2006.01) G06N 3/04 (2006.01) 权利要求书2页 说明书10页 附图3页 (54)发明名称 深度学习模型训练方法、装置、计算机设备 及存储介质 (57)摘要 本申请涉及一种深度学习模型训练方法、装 置、计算机设备及存储介质，其中该方法包括构 建初始深度学习模型，初始深度学习模型的损失 函数包括多个子损失函数，多个子损失函数中的 至少一个与图像噪声抑制、图像边界保持以及图 像结构相似性保持三个参数中的一个参数相关； 将初始深度学习模型转化为具有多个同等结构 的克隆模型，且每个克隆模型对应一个子损失函 数；分别对每一克隆模型进行训练，得到多个训 练完备的克隆模型；根据每一训练完备的克隆模 型对应的权重系数，将多个训练完备的克隆模型 A 的输出数据进行加权组合，得到训练完备的深度 0 学习模型，解决了相关技术中子损失函数的权重 4 8 0 难以确定以及复合损失函数模型使用灵活性较 6 8 1 差的问题。 1 1 N C CN 111860840 A 权　利　要　求　书 1/2页 1.一种深度学习模型训练方法，其特征在于，所述方法包括： 构建初始深度学习模型，所述初始深度学习模型的损失函数包括多个子损失函数，所 述多个子损失函数中的至少一个与图像噪声抑制、图像边界保持以及图像结构相似性保持 三个参数中的一个参数相关； 将所述初始深度学习模型转化为具有多个同等结构的克隆模型，且每个所述克隆模型 对应一个所述子损失函数； 分别对每一所述克隆模型进行训练，得到多个训练完备的克隆模型； 根据每一训练完备的所述克隆模型对应的权重系数，将多个训练完备的所述克隆模型 的输出数据进行加权组合，得到训练完备的深度学习模型。 2.根据权利要求1所述的方法，其特征在于，所述分别对每一所述克隆模型进行训练， 得到多个训练完备的克隆模型包括： 将训练样本分别输入至每一所述克隆模型； 通过误差反向传播更新每一所述克隆模型的参数，直至误差收敛，得到多个训练完备 的克隆模型。 3.根据权利要求1所述的方法，其特征在于，多个训练完备的所述克隆模型对应的权重 系数之和为1。 4.根据权利要求1所述的方法，其特征在于，所述方法还包括： 根据所述子损失函数的类型，对至少一个训练完备的所述克隆模型对应的所述权重系 数进行调整，改变训练完备的深度学习模型的输出结果。 5.根据权利要求4所述的方法，其特征在于，所述根据所述子损失函数的类型，对至少 一个训练完备的所述克隆模型对应的权重系数进行调整，改变训练完备的深度学习模型的 输出结果包括： 在预先存储的权重系数组合库中选择与目标处理结果对应的权重系数组合；所述权重 系数组合库中包括多个权重系数组合以及所述权重系数组合对应的输出结果。 6.根据权利要求4所述的方法，其特征在于，所述根据所述子损失函数的类型，对至少 一个训练完备的所述克隆模型对应的权重系数进行调整，改变训练完备的深度学习模型的 输出结果包括： 根据所述子损失函数的类型，通过选择方式或数据输入方式调整训练完备的所述