【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种目标检测模型的决策风险评估方法及系统。
技术介绍
1、传统的对目标检测模型的评价，当模型训练完成后，只能从基于数据集的map指标的高低，推算模型的性能。近年来，深度学习目标检测领域算法迭代更新较快，同时也涌现出了许多评估方法。智能识别模型的评估，主要是评估模型的两个方面，即识别准确性和识别鲁棒性。
2、目标检测模型准确性要求模型能够对陌生环境的未知样本数据也能够推理得到识别正确的检测结果。模型准确性不高的主要原因为：模型真实环境因素多变，训练数据集数量有限，无法完备地表征客观环境的所有模式，致使训练得到的目标检测模型泛化能力不足，在真实使用的过程中表现不够稳定。
3、目标检测模型鲁棒性要求模型对于存在较小扰动的输入样本，能够保持输出准确的预测结果。模型鲁棒性缺乏的主要原因为：目标检测模型可解释性不足，目前ai技术中广泛使用的深度学习模型是由多层神经网络模块连接组合而成，模型参数数量巨大、体系结构复杂，是一个结构复杂、难以使用清晰解析式来表达的非凸函数。
4、近年来，...
【技术保护点】
1.一种目标检测模型的决策风险评估方法，其特征在于，包括：
2.根据权利要求1所述的目标检测模型的决策风险评估方法，其特征在于，测试样本的类型包括：陌生样本、变换样本和对抗样本。
3.根据权利要求1所述的目标检测模型的决策风险评估方法，其特征在于，对当前测试样本的预测标注文件和正确标注文件中的关键有效信息进行比对分析，确定当前测试样本下目标检测模型的评估结果，包括：
4.根据权利要求3所述的目标检测模型的决策风险评估方法，其特征在于，获取当前测试样本中任一目标的检测结果，包括：
5.根据权利要求4所述的目标检测模型的决策...
【技术特征摘要】
1.一种目标检测模型的决策风险评估方法，其特征在于，包括：
2.根据权利要求1所述的目标检测模型的决策风险评估方法，其特征在于，测试样本的类型包括：陌生样本、变换样本和对抗样本。
3.根据权利要求1所述的目标检测模型的决策风险评估方法，其特征在于，对当前测试样本的预测标注文件和正确标注文件中的关键有效信息进行比对分析，确定当前测试样本下目标检测模型的评估结果，包括：
4.根据权利要求3所述的目标检测模型的决策风险评估方法，其特征在于，获取当前测试样本中任一目标的检测结果，包括：
5.根据权利要求4所述的目标检测模型的决策风险评估方法，其特征在于，还包括：
6.根据权利要求3所述的目标检测模型的决策风险评估方法，其特征在于，所述预测标注文件和所述正确标注文件...
【专利技术属性】
技术研发人员：张明江，杨君刚，谢滔，王程远，张娜，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。