图像二分类模型的训练方法、图像二分类方法、装置、电子设备和介质

本发明提供一种图像二分类模型的训练方法，包括：获取包括多对图像样本和图像标签的样本集；获取由对图像二分类模型进行初步训练得到的基础图像二分类模型，并复制得到参考模型；分别使用基础图像分类模型和参考模型针对每一个像素点进行分类，得到预测概率和参考概率；比较图像标签和预测概率，得到奖励和预测正确概率；根据奖励和预测正确概率，使用改进优势函数计算得到优势，且使用改进损失函数计算得到损失值，并根据损失值更新基础图像分类模型的参数；循环训练得到目标图像分类模型。通过充分利用图像二分类任务只有两种结果的特点，对GRPO强化学习算法进行改进，省略了用于采样的旧模型和采样步骤，有效节省了算力资源。