1.一种图像检测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述获取所述训练样本集中每一样本图像的图像特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述将所述样本图像裁剪为多张包括组织区域的图像块,包括:
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
6.根据权利要求1所述的方法,其特征在于,所述以所述训练样本中的样本图像的图像特征为所述局部图像检测模型的输入,输出所述样本图像的预测分类标签,包括:
7.根据权利要求1所述的方法,其特征在于,所述根据当前迭代训练过程中的所述样本图像的分类标签、所述样本图像的预测分类标签、所述局部图像检测模型的注意力分布和所述全局图像检测模型的注意力分布,对所述局部图像检测模型的参数进行调整,包括:
8.根据权利要求7所述的方法,其特征在于,所述根据所述局部图像检测模型的注意力分布和所述全局图像检测模型的注意力分布,构建第二损失函数,包括:
9.根据权利要求1所述的方法,其特征在于,所述将所述当前迭代训练过程的模型参数发送至所述服务器,包括:
10.一种图像检测模型训练方法,其特征在于,包括:
11.根据权利要求10所述的方法,其特征在于,所述获取n个客户端中每个客户端对应的全局图像检测模型的注意力分布,包括:
12.一种图像检测方法,其特征在于,包括:
13.一种图像检测模型训练装置,其特征在于,包括:
14.一种图像检测模型训练装置,其特征在于,包括:
15.一种图像检测装置,其特征在于,包括:
16.一种图像检测设备,其特征在于,包括:
17.一种计算机可读存储介质,其特征在于,包括指令,当其在计算机程序上运行时,使得所述计算机执行如权利要求1-9或10-11或12中任一项所述的方法。
18.一种包含指令的计算机程序产品,其特征在于,当所述指令在计算机上运行时,使得所述计算机执行权利要求1-9或10-11或12中任一项所述方法。