【技术实现步骤摘要】
本专利技术属于目标检测优化领域，尤其涉及一种基于元强化学习样本价值量化的目标检测优化方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、针对复杂环境的目标检测领域，下面以电力巡检复杂环境为例，检测设备的缺陷包括输电无人机缺陷巡检、输电环境通道和安检任务等。但是，这些任务一直存在由于小目标体积小且特征不明显，尤其是在复杂背景或不利光照条件下通常难以被常规检测模型准确识别的技术难点。
3、在当前的小目标检测技术研究中，多数方法侧重于通过图像的局部细节增强或复杂的特征融合技术提升检测模型的精度。但是，这些方法致力于改进图像处理技术和深度学习模型，以期望在复杂背景中准确识别小尺寸目标。然而，训练数据本身价值对于目标检测模型性能的提升起到决定作用。现有技术往往忽视了对训练数据本身价值的评估与优化的重要性。
技术实现思路
1、为了解决上述现有技术忽视对训练数据本身价值的评估与优化的问题，本专利技术提供一种基于元强化学习样...
【技术保护点】
1.一种基于元强化学习样本价值量化的目标检测优化方法，其特征在于，包括：
2.如权利要求1所述的基于元强化学习样本价值量化的目标检测优化方法，其特征在于，样本与相应目标检测模型的检测目标之间的关联性，采用样本用于相应目标检测模型训练的概率来表征。
3.如权利要求2所述的基于元强化学习样本价值量化的目标检测优化方法，其特征在于，在根据关联性高低，筛选相应样本的过程包括：
4.如权利要求1所述的基于元强化学习样本价值量化的目标检测优化方法，其特征在于，所述数据价值评估模型的损失函数为所有任务在其相应查询集上损失函数的平均值。
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。