成果介绍
本发明涉及基于难易等级自适应动态调整的难易目标解耦检测方法,包括步骤:构建难易样本解耦卷积神经网络模型,难易样本解耦卷积神经网络模型包括一个特征提取主干网络和n+1个难易目标解耦检测头;收集若干难易样本,对所有难易样本中的目标标注0到n的难度等级的标签,得到训练样本集;计算目标的初始先验分数,对所述难易样本解耦卷积神经网络模型的损失进行加权,从而训练难易样本解耦卷积神经网络模型;基于目标的初始先验分数计算后验置信度分数;通过后验置信度分数动态调整初始先验分数,得到归化分数,使用归化分数更新初始先验分数,直到难易样本解耦卷积神经网络模型达到稳定。
成果亮点
本发明的目的在于降低目标识别的漏检率和误检率。
团队介绍
孙自伟,华泽玺
成果资料