(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 (43)申请公布日 (21)申请 号 202111653639.6 (22)申请日 2021.12.3 0 (71)申请人 上海联影智能医疗科技有限公司 地址 200232 上海市徐汇区云锦路701号 20、 21、 22层 （名义楼层为23、 25、 26层） (72)发明人 石峰　曹泽红　贺怿楚　詹翊强　 (74)专利代理 机构 上海弼兴律师事务所 31283 代理人 金学来　罗朗 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/25(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G16H 30/40(2018.01) (54)发明名称 图像标注方法、 模型训练方法及装置、 电子 设备、 介质 (57)摘要 本发明公开了图像标注方法、 模型训练方法 及装置、 电子设备、 介质。 该模型训练方法包括： 获取包含目标对象的多张图像样 本， 多张图像样 本中的部分图像样本包含第一标注信息， 其他图 像样本不包含第一标注信息， 每张图像样本还包 括第二标注信息； 将每张图像样本输入标注模 型， 以由标注模 型的标注任务网络生成图像样本 的标注任务结果， 并由标注模型的判别器预测图 像样本是否包含第一标注信息； 分别计算标注任 务网络的损失误差， 和判别器的损失误差； 根据 标注任务网络的损失误差和判别器的损失误差 调节标注模 型的网络参数， 直至满足迭代停止条 件。 从而可以提高图像标注的效率， 且精确度更 高。 权利要求书2页 说明书11页 附图5页 CN 114266896 A 2022.04.01 CN 114266896 A 1.一种模型训练方法， 其特 征在于， 包括： 获取包含目标对象的多张图像样本， 各张图像样本的成像参数不完全相同， 所述多张 图像样本中的部分图像样本包含第一标注信息， 所述多张图像样本中除了所述部分图像样 本之外的其他图像样本不包含所述第一标注信息， 每张图像样本还包括第二标注信息； 其 中， 所述第一标注信息与针对所述 目标对象的标注任务相关， 所述第二标注信息表征所述 图像样本是否包 含所述第一标注信息； 对于每张图像样本， 将所述图像样本输入标注模型， 以由所述标注模型的标注任务网 络生成所述图像样本的标注任务结果， 并由所述标注模型的判别器根据所述标注任务结果 预测所述图像样本是否包 含第一标注信息； 根据所述第一标注信息和所述标注任务网络的输出结果计算所述标注任务网络的损 失误差， 并根据所述第二标注信息和所述判别器的输出 结果计算所述判别器的损失误差； 根据所述标注任务网络的损失误差和所述判别器的损失误差调节所述标注模型的网 络参数， 直至满足迭代 停止条件。 2.根据权利要求1所述的模型训练方法， 其特征在于， 所述标注任务网络包括图像分割 网络； 所述标注任务结果包括所述目标对象的分割标注结果； 或者， 所述标注任务网络包括分类网络； 所述标注任务结果包括所述目标对象的分类 标注结果； 或者， 所述标注任务网络包括对象检测网络； 所述标注任务结果包括所述目标对象的 检测标注结果； 或者， 所述标注任务网络包括对象识别网络； 所述标注任务结果包括所述目标对象的 识别标注结果。 3.根据权利要求1所述的模型训练方法， 其特征在于， 所述判别器包括分类网络； 所述 分类网络用于对所述标注任务结果进 行分类， 分类结果表征所述图像样本是否包含所述第 一标注信息 。 4.根据权利要求1所述的模型训练方法， 其特征在于， 所述目标对象为脑实质； 所述标 注任务结果 为所述脑实质的分割标注结果； 将所述图像样本输入标注模型， 以由所述标注模型的标注任务网络生成所述图像样本 的标注任务结果， 包括： 将包含脑实质的图像样本输入标注模型， 以由所述标注模型的标注任务网络对所述图 像样本进行分割处 理， 生成所述脑实质的分割标注结果。 5.根据权利要求4所述的模型训练方法， 其特征在于， 所述第 一标注信 息为脑实质区域 信息； 根据所述第一标注信息和所述标注任务网络的输出结果计算所述标注任务网络的损 失误差， 包括： 根据所述脑实质区域信息和所述脑实质的分割标注结果计算所述标注任务网络的损 失误差。 6.根据权利要求1所述的标注模型的训练方法， 其特征在于， 所述成像参数包括显示参 数或生成参数； 当图像样本是医学图像时， 显示参数包括以下至少之一： 体素、 完整度、 清晰度、 对比 度、 颜色、 切片厚度； 生成参数包括以下至少之一： 扫描参数、 模态、 期相；权　利　要　求　书 1/2 页 2 CN 114266896 A 2当图像样本是二维图像时， 显示参数包括以下至少之一： 像素、 完整度、 清晰度、 颜色； 生成参数包括以下至少之一： 快门速度、 光圈、 感光度、 曝光 值、 是否开闪光灯。 7.一种图像标注方法， 其特 征在于， 包括： 获取待标注图像； 将所述待标注图像输入标注模型的标注任务网络， 以由所述标注任务网络对所述待标 注图像进 行标注； 其中， 所述标注模 型由权利要求 1‑4中任一项 所述的标注模型的训练方法 训练得到 。 8.一种模型训练装置， 其特 征在于， 包括： 获取模块， 用于获取包含目标对象的多张图像样本， 各张图像样本的成像参数不完全 相同， 所述多张图像样本中的部分图像样本包含第一标注信息， 所述多张图像样本中除了 所述部分图像样本之外的其他图像样本不包含所述第一标注信息， 每张图像样本还包括第 二标注信息； 其中， 所述第一标注信息与针对所述目标对象的标注任务相关， 所述第二标注 信息表征 所述图像样本是否包 含所述第一标注信息； 输入模块， 用于对于每张图像样本， 将所述图像样本输入标注模型， 以由所述标注模型 的标注任务网络生成所述图像样本的标注任务结果， 并由所述标注模型的判别器根据所述 标注任务结果预测所述图像样本是否包 含第一标注信息； 计算模块， 用于根据 所述第一标注信 息和所述标注任务网络的输出结果计算所述标注 任务网络的损失误差， 并根据所述第二标注信息和所述判别器的输出结果计算所述判别器 的损失误差； 调节模块， 用于根据 所述标注任务网络的损失误差和所述判别器的损失误差调节所述 标注模型的网络参数， 直至满足迭代 停止条件。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至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权利要求1至7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114266896 A 3