模型训练方法、图像处理方法、装置、设备及介质

1.本公开涉及人工智能技术领域，尤其涉及一种模型训练方法、图像处理方法、装置、设备及介质。


背景技术：

2.对于一个新的处理任务，通常需要重新对模型参数进行全局调整，由此，消耗了较多的资源，浪费了较多的训练时间，并且，训练得到的模型参数会占用较多的存储空间。


技术实现要素：

3.鉴于上述问题，本公开提供了模型训练方法、图像处理方法、装置、设备及介质。
4.根据本公开的第一个方面，提供了一种模型训练方法，包括：响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板，其中，预训练模型包括主干网络和与第一视觉处理任务对应的第一适配器，主干网络的模型参数是通过预先训练得到的；将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果；利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，其中，主干网络的模型参数在预训练模型的训练过程中保持不变；其中，第一视觉处理任务模板包括模板图像和关于模板图像的标记信息，模板图像用于构建第一视觉处理任务模板，标记信息用于引导预训练模型输出第一视觉处理结果，第一视觉处理任务模型用于处理第一视觉处理任务。
5.根据本公开的实施例，在响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板之前，上述模型训练方法还包括：基于第一视觉处理任务，获取模板图像；基于模板图像，得到第一视觉处理任务模板和第一视觉处理标签。
6.根据本公开的实施例，利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，包括：根据第一视觉处理结果和第一视觉处理标签，得到损失信息；基于损失信息，对第一适配器的参数信息进行反向梯度优化，直至损失信息满足预设条件，得到第一视觉处理任务模型。
7.根据本公开的实施例，预训练模型的主干网络包括目标视觉处理模块和至少两个目标网络块，至少两个目标网络块包括第一目标网络块和第二目标网络块；第一适配器设置在至少两个目标网络块之间；将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果，包括：将样本图像和第一视觉处理任务模板输入第一目标网络块，输出第一特征图和第一模板特征图；将第一特征图和第一模板特征图输入第一适配器，输出第二特征图和第二模板特征图；将第二特征图和第二模板特征图输入第二目标网络块，输出第三特征图和第三模板特征图；将第三特征图和第三模板特征图输入目标视觉处理模块，输出第一视觉处理结果。
8.根据本公开的实施例，上述模型训练方法还包括：利用与第二视觉处理任务对应的经训练的第二适配器，调换第一视觉处理任务模型中的第一适配器，得到第二视觉处理
任务模型，其中，第二视觉处理任务模型用于处理图像的第二视觉处理任务，经训练的第二适配器是基于第二视觉处理任务，训练预训练模型得到的。
9.根据本公开的实施例，在将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果之前，上述模型训练方法还包括：响应于接收来自电子设备的样本获取指令，从样本数据库中确定样本图像；调用样本传输接口，从样本数据库中获取样本图像。
10.本公开的第二方面提供了一种图像处理方法，包括：获取待处理图像；根据上述模型训练方法，得到第一视觉处理任务模型；将待处理图像输入第一视觉处理任务模型，输出目标视觉处理结果。
11.本公开的第三方面提供了一种模型训练装置，包括：第一获取模块，用于响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板，其中，预训练模型包括主干网络和与第一视觉处理任务对应的第一适配器，主干网络的模型参数是通过预先训练得到的；第一输入模块，用于将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果；第一训练模块，用于利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，其中，主干网络的模型参数在预训练模型的训练过程中保持不变；其中，第一视觉处理任务模板包括模板图像和关于模板图像的标记信息，模板图像用于构建第一视觉处理任务模板，标记信息用于引导预训练模型输出第一视觉处理结果，第一视觉处理任务模型用于处理第一视觉处理任务。
12.本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
13.本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
14.根据本公开提供的模型训练方法、图像处理方法、装置、设备及介质，通过使主干网络的模型参数在预训练模型的训练过程中保持不变，仅调节第一适配器的参数，由此，通过适配器增强了预训练模型对第一视觉处理任务的拟合能力，避免了全局调节预训练模型的参数，降低了存储模型参数所需要占用的内存，充分利用了预训练模型的资源，节省了训练过程所需要使用的样本图像，再通过第一视觉处理任务模板引导第一视觉处理结果，由此，通过将第一适配器与第一视觉处理任务模板相结合，增强了预训练模型在训练过程中的泛化能力，在仅使用较少样本图像的情况下，也可以实现满足需求的训练效果，得到满足需求的第一视觉处理任务模型，节省了样本图像的资源，提高了训练效率。
附图说明
15.通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
16.图1示意性示出了根据本公开实施例的模型训练方法或者图像处理方法的应用场景图；
17.图2示意性示出了根据本公开实施例的模型训练方法的流程图；
18.图3示意性示出了根据本公开实施例的得到第一视觉处理任务模型的示意图；
19.图4示意性示出了根据本公开实施例的获取损失信息的示意图；
20.图5示意性示出了根据本公开实施例的第一视觉处理结果获取方法的示意图；
21.图6示意性示出了根据本公开实施例的输出特征图集合的示意图；
22.图7示意性示出了根据本公开实施例的训练过程的示意图；
23.图8示意性示出了根据本公开实施例的调换第一适配器的示意图；
24.图9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；
25.图10示意性示出了根据本公开实施例的模型训练装置的结构框图；
26.图11示意性示出了根据本公开实施例的图像处理装置的结构框图；
27.图12示意性示出了根据本公开实施例的适于实现模型训练方法或者图像处理方法的电子设备的方框图。
具体实施方式
28.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
29.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
30.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
31.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
32.在本公开的技术方案中，所涉及的数据(如包括但不限于用户个人信息)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。
33.根据本公开的实施例，在模型的训练过程中，通常通过特定处理任务的有监督算法来完成，但是由于对数据进行标注来得到训练样本，会消耗较多的人力资源，因此，可以采用无监督训练来对模型进行预训练，然后再对预训练得到的预训练模型的模型参数进行全局调节，来使预训练模型可以处理新的处理任务。
34.但是随着模型中数据量的增多以及模型体积的逐渐增加，对预训练模型的模型参数进行全局调节，不但会消耗较多资源，而且会使得模型迁移变得复杂。针对一些特殊处理任务，例如遥感图像的处理任务，存在由于较难获取用于训练的样本图像，而导致模型的训练效果较难满足需求的问题。
35.随着计算资源的不断增加，以变形器为主要架构的预训练模型进入了新时代，随着越来越多的体积较大的模型被提出，对于不同任务提供了解决方案，但是也带来了许多新问题。这些经过海量数据训练的体积较大的模型，相比于一般的深度模型而言，包含更多的参数。
36.由此，在针对不同处理任务而对模型进行重新训练的情况下，存储这种体积较大的模型的参数会占用较多的存储空间，以及训练这种体积较大模型会花费较多的资源，并且消耗较多的时间。基于此，发明人发现，通过使用轻量级且拓展性强的适配器，可以仅较少的训练以及较小的存储空间，就可以使训练得到的模型满足需求。
37.在实现本公开发明构思的过程中，发明人发现，针对一些处理任务，例如遥感图像处理任务等，由于样本图像较难获取，因此，而导致样本图像数量较少，即使使用适配器也较难使训练得到的模型满足需求。
38.基于此，发明人发现，通过利用提示学习方法，可以使新的处理任务被重新调整成类似预训练任务的形式，并且，通过使用提示学习，可以充分地利用预训练模型中的模型参数，由此，有助于对预训练模型的训练。
39.有鉴于此，发明人发现，通过将提示学习和适配器相结合，可以使训练所需的样本图像的数量降低，使训练得到的模型可以满足需求。
40.具体地，本公开的实施例提供了一种模型训练方法，包括：响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板，其中，预训练模型包括主干网络和与第一视觉处理任务对应的第一适配器，主干网络的模型参数是通过预先训练得到的；将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果；利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，其中，主干网络的模型参数在预训练模型的训练过程中保持不变；其中，第一视觉处理任务模板包括模板图像和关于模板图像的标记信息，模板图像用于构建第一视觉处理任务模板，标记信息用于引导预训练模型输出第一视觉处理结果，第一视觉处理任务模型用于处理第一视觉处理任务。
41.图1示意性示出了根据本公开实施例的模型训练方法或者图像处理方法的应用场景图。
42.如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备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、无线通信链路或者光纤电缆等等。
43.用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
44.第一终端设备101、第二终端设备102、第三终端设备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。
45.服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第
二终端设备102、第三终端设备103所浏览的网站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。
46.需要说明的是，本公开实施例所提供的模型训练方法或者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模型训练装置或者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模型训练方法或者图像处理方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备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模型训练装置或者图像处理装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
47.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。
48.以下将基于图1描述的场景，通过图2～图9对公开实施例的模型训练方法进行详细描述。
49.图2示意性示出了根据本公开实施例的模型训练方法的流程图。
50.如图2所示，该实施例的模型训练包括操作s210～操作s230。
51.在操作s210，响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板，其中，预训练模型包括主干网络和与第一视觉处理任务对应的第一适配器，主干网络的模型参数是通过预先训练得到的。
52.根据本公开实施例，预训练模型可以是预先经过预训练而得到的模型。例如，可以是经过预训练的cnn(convolutional neural network，卷积神经网络)等，但不限于此。例如，预训练模型可以是通过自监督算法进行训练的，但不限于此。
53.预训练模型可以用于处理其他处理任务，例如，可以用于处理图像目标分类任务等，但不限于此。例如，图像目标分类任务可以是按照目标对象的形状进行分类，而并不具体确定目标对象属于何种类别。
54.根据本公开实施例，第一视觉处理任务可以是与预训练模型所处理的任务不同的任务，例如，可以是图像目标检测任务，但不限于此。图像目标检测任务可以是检测图像中的目标对象的类别信息、尺寸信息等，但不限于此，只要与预训练模型所对应的视觉处理任务不同即可。
55.根据本公开的实施例，第一适配器可以未经训练，也可以经过与第一视觉处理任务对应的部分训练，也可以具备与第一视觉处理任务对应的先验知识。例如，在第一适配器经过与第一视觉处理任务对应的部分训练，或者具备与第一视觉处理任务对应的先验知识的情况下，可以提高对第一适配器进行训练的训练速度。
56.第一适配器可以设置在预训练模型中，例如，可以设置在主干网络所包括的至少两个网络块之间；第一适配器还可以设置在预训练模型中的主干网络的输出端；第一适配器还可以设置在预训练模型中的主干网络的输入端。例如，预训练模型中可以设置多个第一适配器，设置位置同上，在此不再赘述。
57.在操作s220，将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果。
58.根据本公开的实施例，样本图像可以与第一视觉处理任务对应，例如，在第一视觉处理任务为遥感图像目标检测任务的情况下，样本图像可以对应为遥感图像。
59.根据本公开的实施例，第一视觉处理任务模板包括模板图像和关于模板图像的标记信息，模板图像用于构建第一视觉处理任务模板，标记信息用于引导预训练模型输出第一视觉处理结果，第一视觉处理任务模型用于处理第一视觉处理任务。第一视觉处理结果可以是预训练模型在训练过程中输出的结果，第一视觉处理结果可以与第一视觉处理任务对应。
60.例如：在第一视觉处理任务为图像目标检测任务的情况下，第一视觉处理结果可以对应为图像目标检测结果。该检测结果可以包括目标对象的类别信息、尺寸信息和位置信息等，但不限于此。
61.第一视觉处理任务模板可以是提示学习模板，通过提示学习方法，可以提高预训练模型的训练速度，并且，在样本图像较少的情况下，也可以对模型的训练起到满足需求的效果。由此，通过第一视觉处理任务模板引导得到的第一视觉处理结果，可以与提示学习方法的答案空间对应。
62.根据本公开的实施例，模板图像中可以包括目标对象，可以对模板图像中的目标对象进行检测，得到检测结果。例如，模板图像可以包括遥感图像。标记信息可以是基于该检测结果，对模板图像中的目标对象进行标记而生成的。
63.例如，可以对模板图像中的目标对象执行标记操作，而不对其他对象执行标记操作。该标记操作可以是对目标对象在模板图像中的位置信息进行标记，也可以是对目标对象在模板图像中的尺寸信息进行标记，还可以是对目标对象在模板图像中的类别信息进行标记，但不限于此。
64.由此，在训练模型的情况下，可以使预训练模型基于标记信息和与标记信息对应的模板图像中的目标对象，来处理样本图像，输出第一视觉处理结果，而不是基于样本图像中的所有对象来输出第一视觉处理结果。基于此，可以实现通过标记信息对第一视觉处理结果的引导，进而可以降低模型训练过程对样本图像数量的需求，在仅使用较少样本图像的情况下，也可以实现满足需求的训练效果。
65.在操作s230，利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，其中，主干网络的模型参数在预训练模型的训练过程中保持不变。
66.根据本公开的实施例，主干网络的模型参数在预训练模型的训练过程中保持不变，由此，在训练预训练模型的过程中，可以仅是对第一适配器的参数信息进行训练。
67.根据本公开的实施例，第一视觉处理标签与样本图像对应，例如，在第一视觉处理任务为遥感图像目标检测任务情况下，样本图像可以对应为遥感图像，第一视觉处理标签对应包括样本图像中的目标对象的真实信息，例如，该真实信息可以包括目标对象的真实类别和目标对象的真实尺寸等。
68.根据本公开的实施例，利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型。例如：通过确定第一视觉处理结合和第一视觉处理标签来确定损失信息，再根据损失信息调节预训练模型中的第一适配器的参数信息，来得到第一视觉处理任务模型。
69.根据本公开的实施例，由于对预训练模型进行训练得到第一视觉处理任务模型，而不是对未经训练的模型进行训练得到第一视觉处理任务模型，由此，与未经训练的模型相比，在使用较少的样本图像对预训练模型进行训练的情况下，也可以实现满足需求的训练效果，并且可以节省资源，提高训练效率。
70.并且，通过设置第一适配器，可以增强预训练模型对第一视觉处理任务的拟合能力，提高训练得到的第一视觉任务处理模型的性能，使训练得到的第一视觉任务处理模型能满足需求。
71.图3示意性示出了根据本公开实施例的得到第一视觉处理任务模型的示意图。
72.如图3所示，将第一视觉处理任务模板310和样本图像320输入包括第一适配器的预训练模型330，输出第一视觉处理结果340，再根据第一视觉处理结果340和第一视觉处理标签350，对包括第一适配器的预训练模型330进行训练，得到第一视觉处理任务模型370。
73.根据本公开的实施例，通过使主干网络的模型参数在预训练模型的训练过程中保持不变，仅调节第一适配器的参数，由此，通过适配器增强了预训练模型对第一视觉处理任务的拟合能力，避免了全局调节预训练模型的参数，降低了存储模型参数所需要占用的内存，充分利用了预训练模型的资源，节省了训练过程所需要使用的样本图像，再通过第一视觉处理任务模板引导第一视觉处理结果，由此，通过将第一适配器与第一视觉处理任务模板相结合，增强了预训练模型在训练过程中的泛化能力，在仅使用较少样本图像的情况下，也可以实现满足需求的训练效果，得到满足需求的第一视觉处理任务模型，节省了样本图像的资源，提高了训练效率。
74.根据本公开的实施例，在响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板之前，上述模型训练方法还包括：基于第一视觉处理任务，获取模板图像；基于模板图像，得到第一视觉处理任务模板和第一视觉处理标签。
75.根据本公开的实施例，模板图像可以是从其他电子设备获取的，也可以是预先存储在电子设备中的，但不限于此。
76.在第一视觉处理任务为图像目标检测任务的情况下，模板图像可以为对应的经检测的图像。
77.可以基于该经检测的图像的检测结果和该经检测的图像，得到标记信息，再根据标记信息和该图像，得到第一视觉处理任务模板。
78.根据本公开的实施例，在第一视觉处理任务为图像目标检测任务的情况下，第一视觉处理标签还可以包括已检测得到的模板图像中的目标对象的类别信息和尺寸信息等。
79.根据本公开的实施例，通过基于第一视觉处理任务，获取模板图像，再基于模板图像，得到第一视觉处理任务模板和第一视觉处理标签，由此，可以将第一视觉处理任务模板和第一视觉处理标签应用到预训练模型的训练过程，进而可以提高模型训练效率，以及节省训练资源。
80.根据本公开的实施例，利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，包括：根据第一视觉处理结果和第一视觉处理标签，得到损失信息；基于损失信息，对第一适配器的参数信息进行反向梯度优化，直至损失信息满足预设条件，得到第一视觉处理任务模型。
81.根据本公开的实施例，损失信息可以用于调节第一适配器的参数信息。损失信息
可以包括利用损失函数处理第一视觉处理结果和第一视觉处理标签而得到的损失值。例如，可以利用交叉熵损失函数处理第一视觉处理结果和第一视觉处理标签，来得到损失值，但不限于此，还可以利用如余弦相似度损失函数等损失函数来得到损失值，本公开在此不再赘述。
82.根据本公开的实施例，预设条件可以是预设损失值阈值，可以调节第一适配器的参数信息，来使损失值小于或等于预设损失值阈值，在损失值小于或等于预设损失值阈值的情况下，可以根据对应的参数信息，得到第一视觉处理任务模型。预设损失值阈值例如可以为10％，15％等，本公开对此不作限定。
83.图4示意性示出了根据本公开实施例的获取损失信息的示意图。
84.如图4所示，可以将样本图像410和第一视觉处理任务模板420输入预训练模型430，输出第一视觉处理结果440，再根据第一视觉处理结果440和第一视觉处理标签450，得到损失信息460。可以根据损失信息460来调节预训练模型430中第一适配器的参数。
85.根据本公开的实施例，根据第一视觉处理标签和利用第一视觉处理模板引导得到的第一视觉处理结果，得到损失信息，再基于损失信息，对第一适配器的参数信息进行反向梯度优化，直至损失信息满足预设条件，由此，可以提高训练效率，节省样本图像，并且可以实现使用较少的样本图像，来得到满足需求的第一视觉处理任务模型。
86.根据本公开的实施例，预训练模型的主干网络包括目标视觉处理模块和至少两个目标网络块，至少两个目标网络块包括第一目标网络块和第二目标网络块；第一适配器设置在至少两个目标网络块之间；将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果，包括：将样本图像和第一视觉处理任务模板输入第一目标网络块，输出第一特征图和第一模板特征图；将第一特征图和第一模板特征图输入第一适配器，输出第二特征图和第二模板特征图；将第二特征图和第二模板特征图输入第二目标网络块，输出第三特征图和第三模板特征图；将第三特征图和第三模板特征图输入目标视觉处理模块，输出第一视觉处理结果。
87.根据本公开的实施例，目标网络块可以对输入的图像进行卷积处理，但不限于此；第一适配器也可以对输入的图像进行卷积处理，但不限于此。目标网络块和第一适配器对输入的图像的处理方式可以与第一视觉处理任务对应。
88.根据本公开的实施例，目标视觉处理模块对输入的图像的处理方式也可以与第一视觉处理任务对应。例如，在第一视觉处理任务为图像目标检测任务的情况下，目标视觉处理模块可以对应地用于对输入的图像进行检测。
89.根据本公开的实施例，至少两个目标网络块之间可以设置多个第一适配器，本公开在此不再赘述。
90.图5示意性示出了根据本公开实施例的第一视觉处理结果获取方法的示意图。
91.如图5所示，可以将样本图像510和第一视觉处理任务模板520输入输入第一目标网络块530，输出第一特征图和第一模板特征图；将第一特征图和第一模板特征图输入第一适配器540，输出第二特征图和第二模板特征图；将第二特征图和第二模板特征图输入第二目标网络块550，输出第三特征图和第三模板特征图；将第三特征图和第三模板特征图输入目标视觉处理模块560，输出第一视觉处理结果570。
92.根据本公开的实施例，通过将样本图像和第一视觉处理任务模板输入第一目标网
络块，输出第一特征图和第一模板特征图，再将第一特征图和第一模板特征图输入第一适配器，输出第二特征图和第二模板特征图，再将第二特征图和第二模板特征图输入第二目标网络块，得到第三特征图和第三模板特征图，再将第三特征图和第三模板特征图输入目标视觉处理模块，得到第一视觉处理结果，由此，实现了通过第一视觉处理任务模板引导第一视觉处理结果，并可以利用第一视觉处理结果和第一视觉处理标签来训练包括第一适配器的预训练模型，提高了模型训练效率，以及节省了训练模型所需的样本图像。
93.根据本公开的实施例，在将样本图像输入预训练模型之前，可以先将样本图像进行切片，然后再将切片图像输入预训练模型，以减少训练模型过程中的现存占用。
94.图6示意性示出了根据本公开实施例的输出特征图集合的示意图。
95.如图6所示，可以将完整的样本图像，切片为切片图像i1…
切片图像im，再将图像i1…
图像im输入预训练模型的主干网络，该主干网络可以包括编码器(embed)，由此，可以输出与切片图像i1…
切片图像im对应的特征图集合e0。
96.图7示意性示出了根据本公开实施例的训练过程的示意图。
97.如图7所示，可以将特征图集合e0和第一视觉处理任务模板p0输入主干网络的网络块所包括的变形器编码器层l1～ln，由此，可以得到第三特征图和第三模板特征图，可以再将第三特征图和第三模板特征图输入检测器，得到第一视觉处理结果。
98.根据本公开的实施例，上述模型训练方法还包括：利用与第二视觉处理任务对应的经训练的第二适配器，调换第一视觉处理任务模型中的第一适配器，得到第二视觉处理任务模型，其中，第二视觉处理任务模型用于处理图像的第二视觉处理任务，经训练的第二适配器是基于第二视觉处理任务，训练预训练模型得到的。
99.根据本公开的实施例，第二适配器的训练方法，可以包括：将第二适配器设置在不包含第一适配器的预训练模型上，将与第二视觉处理任务对应的第二视觉处理任务模板和样本图像输入包括第二适配器的预训练模型，得到第二视觉处理结果；根据第二视觉处理结果和与样本图像对应的第二视觉处理标签，来训练预训练模型，得到包括第二适配器的第二视觉处理任务模型。
100.根据本公开的实施例，第二适配器设置在第二视觉处理任务模型中的位置，可以与第一适配器设置在第一视觉处理任务模型中的位置相同。
101.根据本公开的实施例，可以将第一视觉处理任务模型中的第一适配器取出，再将第二适配器设置在相同的位置，由此，可以完成第一适配器和第二适配器的调换，使第一视觉处理任务模型转换为第二视觉处理任务模型，以使该模型可以用于处理第二视觉处理任务。
102.图8示意性示出了根据本公开实施例的调换第一适配器的示意图。
103.如图8所示，第一视觉处理任务模型810可以包括第一目标网络块811、第一适配器812和第二目标网络块813，第二视觉处理任务模型820可以包括第一目标网络块811、第二适配器821和第二目标网络块813。
104.根据本公开的实施例，由于在利用本公开的模型训练方法对预训练模型进行训练的过程中，仅调节了第一适配器的参数，由此，仅通过保存经训练的第一适配器的参数和预训练模型的主干网络的模型参数，就可以实现对第一视觉处理任务模型的模型参数的存储。同理，可以用相类似的模型训练方法训练得到第二视觉处理任务模型，该第二视觉处理
任务模型可以包括经训练的第二适配器，该模型训练方法可以参照本公开的模型训练方法，在此不再赘述。由此，可以通过调换经训练的第一适配器和经训练的第二适配器来实现第一视觉处理任务模型和第二视觉处理任务模型之间的切换，避免了直接保存第一视觉处理任务模型的模型参数和第二视觉处理任务模型的模型参数，仅保存经训练的第一适配器和经训练的第二适配器的参数，就可以实现相同的效果，由此，减少了存储模型参数对内存的占用。
105.根据本公开的实施例，通过利用经训练的第二适配器来调换第一适配器，由此，可以在不重新进行训练的情况下，实现第一视觉处理任务模型与第二视觉处理任务模型之间的转换，节省了训练资源。
106.根据本公开的实施例，在将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果之前，上述模型训练方法还包括：响应于接收来自电子设备的样本获取指令，从样本数据库中确定样本图像；调用样本传输接口，从样本数据库中获取样本图像。
107.根据本公开的实施例，样本标签生成指令可以是来自其他电子设备的，也可以是由电子设备预先存储在指令数据库中的。样本标签生成指令中可以包括需要获取的样本的标识信息，由此，可以从存储大量样本图像的样本数据库中，高效确定所需要的样本图像。
108.根据本公开的实施例，样本传输接口可以是预先设置在电子设备上的数据接口，例如，可以是串行通讯接口等。
109.根据本公开的实施例，样本数据库可以是预先存储在电子设备上的；也可以是存储在其他电子设备上的。通过样本传输接口，可以实现从其他电子设备上获取样本图像。
110.根据本公开的实施例，通过由电子设备，根据样本确定指令来调用样本传输接口，从样本数据库中获取样本图像，因此，实现了对样本图像的高效获取，使获取效率可以满足需求。
111.图9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。
112.如图9所示，该实施例的图像处理方法包括操作s910～操作s930。
113.在操作s910，获取待处理图像。
114.在操作s920，根据本公开的模型训练方法，得到第一视觉处理任务模型。
115.在操作s930，将待处理图像输入第一视觉处理任务模型，输出目标视觉处理结果。
116.根据本公开的实施例，待处理图像可以与样本图像为同一类型的图像，例如，在样本图像为遥感图像的情况下，待处理图像也可以对应为遥感图像。
117.根据本公开的实施例，通过使主干网络的模型参数在预训练模型的训练过程中保持不变，仅调节第一适配器的参数，由此，通过适配器增强了预训练模型对第一视觉处理任务的拟合能力，避免了全局调节预训练模型的参数，降低了存储模型参数所需要占用的内存，充分利用了预训练模型的资源，节省了训练过程所需要使用的样本图像，再通过第一视觉处理任务模板引导第一视觉处理结果，由此，通过将第一适配器与第一视觉处理任务模板相结合，增强了预训练模型在训练过程中的泛化能力，在仅使用较少样本图像的情况下，也可以实现满足需求的训练效果，得到满足需求的第一视觉处理任务模型，节省了样本图像的资源，提高了训练效率。
118.基于上述模型训练方法，本公开还提供了一种模型训练装置。以下将结合图10对
该装置进行详细描述。
119.图10示意性示出了根据本公开实施例的模型训练装置的结构框图。
120.如图10所示，该实施例的模型训练装置1000包括第一获取模块1010、第一输入模块1020和第一训练模块1030。
121.第一获取模块1010用于响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板，其中，预训练模型包括主干网络和与第一视觉处理任务对应的第一适配器，主干网络的模型参数是通过预先训练得到的。在一实施例中，第一获取模块1010可以用于执行前文描述的操作s210，在此不再赘述。
122.第一输入模块1020用于将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果。在一实施例中，第一输入模块1020可以用于执行前文描述的操作s220，在此不再赘述。
123.第一训练模块1030用于利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，其中，主干网络的模型参数在预训练模型的训练过程中保持不变；其中，第一视觉处理任务模板包括模板图像和关于模板图像的标记信息，模板图像用于构建第一视觉处理任务模板，标记信息用于引导预训练模型输出第一视觉处理结果，第一视觉处理任务模型用于处理第一视觉处理任务。在一实施例中，第一训练模块1030可以用于执行前文描述的操作s230，在此不再赘述。
124.需要说明的是，上述模型训练装置与上述模型训练方法是相对应的，上述模型训练装置可以包括用于实现上述流程图中涉及的模型训练方法所有功能的模块、单元、子单元等，为了描述的简洁起见，在此不再赘述，具体描述可参考上述对模型训练方法的描述。
125.根据本公开的实施例，第一获取模块1010、第一输入模块1020和第一训练模块1030中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块1010、第一输入模块1020和第一训练模块1030中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块1010、第一输入模块1020和第一训练模块1030中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
126.基于上述处理方法，本公开还提供了一种图像处理装置。以下将结合图11对该装置进行详细描述。
127.图11示意性示出了根据本公开实施例的图像处理装置的结构框图。
128.如图11所示，该实施例的图像处理装置1100包括第二获取模块1110、第二训练模块1120和第二输入模块1130。
129.第二获取模块1110用于获取待处理图像。在一实施例中，第二获取模块1110可以用于执行前文描述的操作s910，在此不再赘述。
130.第二训练模块1120用于根据本公开的模型训练方法，得到第一视觉处理任务模
型。在一实施例中，第二训练模块1120可以用于执行前文描述的操作s920，在此不再赘述。
131.第二输入模块1130用于将待处理图像输入第一视觉处理任务模型，输出目标视觉处理结果。在一实施例中，第二输入模块1130可以用于执行前文描述的操作s930，在此不再赘述。
132.需要说明的是，上述图像处理装置与上述图像处理方法是相对应的，上述图像处理装置可以包括用于实现上述流程图中涉及的图像处理方法所有功能的模块、单元、子单元等，为了描述的简洁起见，在此不再赘述，具体描述可参考上述对图像处理方法的描述。
133.根据本公开的实施例，第二获取模块1110、第二训练模块1120和第二输入模块1130中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第二获取模块1110、第二训练模块1120和第二输入模块1130中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第二获取模块1110、第二训练模块1120和第二输入模块1130中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
134.图12示意性示出了根据本公开实施例的适于实现模型训练方法或者图像处理方法的电子设备的方框图。
135.如图12所示，根据本公开实施例的电子设备1200包括处理器1201，其可以根据存储在只读存储器(rom)1202中的程序或者从存储部分1208加载到随机访问存储器(ram)1203中的程序而执行各种适当的动作和处理。处理器1201例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))等等。处理器1201还可以包括用于缓存用途的板载存储器。处理器1201可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
136.在ram 1203中，存储有电子设备1200操作所需的各种程序和数据。处理器1201、rom 1202以及ram 1203通过总线1204彼此相连。处理器1201通过执行rom 1202和/或ram 1203中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 1202和ram 1203以外的一个或多个存储器中。处理器1201也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
137.根据本公开的实施例，电子设备1200还可以包括输入/输出(i/o)接口1205，输入/输出(i/o)接口1205也连接至总线1204。电子设备1200还可以包括连接至输入/输出(i/o)接口1205的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1206；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分1207；包括硬盘等的存储部分1208；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至输入/输出(i/o)接口1205。可拆卸介质1211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1210上，以便于从其上读出的计算机程序根据需要被安装入存储部分1208。
138.本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
139.根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 1202和/或ram 1203和/或rom 1202和ram 1203以外的一个或多个存储器。
140.本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的模型训练方法或者图像处理方法。
141.在该计算机程序被处理器1201执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
142.在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1209被下载和安装，和/或从可拆卸介质1211被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
143.在这样的实施例中，该计算机程序可以通过通信部分1209从网络上被下载和安装，和/或从可拆卸介质1211被安装。在该计算机程序被处理器1201执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
144.根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
145.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所
标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
146.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
147.以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

技术特征：
1.一种模型训练方法，包括：响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板，其中，所述预训练模型包括主干网络和与所述第一视觉处理任务对应的第一适配器，所述主干网络的模型参数是通过预先训练得到的；将所述第一视觉处理任务模板和样本图像输入所述预训练模型，利用所述第一适配器处理所述样本图像和所述第一视觉处理任务模板，得到第一视觉处理结果；利用所述第一视觉处理结果和与所述样本图像对应的第一视觉处理标签训练所述预训练模型，得到第一视觉处理任务模型，其中，所述主干网络的模型参数在所述预训练模型的训练过程中保持不变；其中，所述第一视觉处理任务模板包括模板图像和关于所述模板图像的标记信息，所述模板图像用于构建所述第一视觉处理任务模板，所述标记信息用于引导所述预训练模型输出所述第一视觉处理结果，所述第一视觉处理任务模型用于处理所述第一视觉处理任务。2.根据权利要求1所述的方法，其中，在所述响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板之前，所述方法还包括：基于所述第一视觉处理任务，获取所述模板图像；基于所述模板图像，得到所述第一视觉处理任务模板和所述第一视觉处理标签。3.根据权利要求1所述的方法，其中，所述利用所述第一视觉处理结果和与所述样本图像对应的第一视觉处理标签训练所述预训练模型，得到第一视觉处理任务模型，包括：根据所述第一视觉处理结果和所述第一视觉处理标签，得到损失信息；基于所述损失信息，对所述第一适配器的参数信息进行反向梯度优化，直至所述损失信息满足预设条件，得到所述第一视觉处理任务模型。4.根据权利要求1所述的方法，其中，所述预训练模型的主干网络包括目标视觉处理模块和至少两个目标网络块，所述至少两个目标网络块包括第一目标网络块和第二目标网络块；所述第一适配器设置在所述至少两个目标网络块之间；所述将所述第一视觉处理任务模板和样本图像输入所述预训练模型，利用所述第一适配器处理所述样本图像和所述第一视觉处理任务模板，得到第一视觉处理结果，包括：将所述样本图像和所述第一视觉处理任务模板输入所述第一目标网络块，输出第一特征图和第一模板特征图；将所述第一特征图和所述第一模板特征图输入所述第一适配器，输出第二特征图和第二模板特征图；将所述第二特征图和所述第二模板特征图输入所述第二目标网络块，输出第三特征图和第三模板特征图；将所述第三特征图和所述第三模板特征图输入所述目标视觉处理模块，输出所述第一视觉处理结果。5.根据权利要求1所述的方法，还包括：利用与第二视觉处理任务对应的经训练的第二适配器，调换所述第一视觉处理任务模型中的第一适配器，得到第二视觉处理任务模型，其中，所述第二视觉处理任务模型用于处理图像的第二视觉处理任务，所述经训练的第二适配器是基于所述第二视觉处理任务，训
练所述预训练模型得到的。6.根据权利要求1所述的方法，其中，在所述将所述第一视觉处理任务模板和样本图像输入所述预训练模型，利用所述第一适配器处理所述样本图像和所述第一视觉处理任务模板，得到第一视觉处理结果之前，所述方法还包括：响应于接收来自所述电子设备的样本获取指令，从样本数据库中确定所述样本图像；调用样本传输接口，从所述样本数据库中获取所述样本图像。7.一种图像处理方法，包括：获取待处理图像；根据权利要求1至6中任一项所述的方法，得到所述第一视觉处理任务模型；将所述待处理图像输入所述第一视觉处理任务模型，输出目标视觉处理结果。8.一种模型训练装置，包括：第一获取模块，用于响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板，其中，所述预训练模型包括主干网络和与所述第一视觉处理任务对应的第一适配器，所述主干网络的模型参数是通过预先训练得到的；第一输入模块，用于将所述第一视觉处理任务模板和样本图像输入所述预训练模型，利用所述第一适配器处理所述样本图像和所述第一视觉处理任务模板，得到第一视觉处理结果；第一训练模块，用于利用所述第一视觉处理结果和与所述样本图像对应的第一视觉处理标签训练所述预训练模型，得到第一视觉处理任务模型，其中，所述主干网络的模型参数在所述预训练模型的训练过程中保持不变；其中，所述第一视觉处理任务模板包括模板图像和关于所述模板图像的标记信息，所述模板图像用于构建所述第一视觉处理任务模板，所述标记信息用于引导所述预训练模型输出所述第一视觉处理结果，所述第一视觉处理任务模型用于处理所述第一视觉处理任务。9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的方法。

技术总结
本公开提供了一种模型训练方法、图像处理方法、装置、设备及介质，可以应用于人工智能技术领域。该方法包括：响应于用于训练预训练模型的第一视觉处理任务，获取第一视觉处理任务模板；将第一视觉处理任务模板和样本图像输入预训练模型，利用第一适配器处理样本图像和第一视觉处理任务模板，得到第一视觉处理结果；利用第一视觉处理结果和与样本图像对应的第一视觉处理标签训练预训练模型，得到第一视觉处理任务模型，主干网络的模型参数在预训练模型的训练过程中保持不变；其中，第一视觉处理任务模板包括模板图像和关于模板图像的标记信息，模板图像用于构建第一视觉处理任务模板，标记信息用于引导预训练模型输出第一视觉处理结果。处理结果。处理结果。


技术研发人员：刁文辉 毛秀华 杨怡冉 白建东 冯瑛超 李俊希 路晓男 尹文昕
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2023.04.21
技术公布日：2023/7/25