一种基于神经网络的目标识别优化方法及系统

本发明涉及神经网络优化技术领域，公开了一种基于多重一致性感知的目标识别方法及系统，包括：构建训练数据集确定监督信号，利用训练数据集和监督信号进行模型初始化训练；基于目标样本的预测标签和给定标签的一致性构建自一致性损失函数；基于目标样本的预测标签以及近邻样本的预测标签构建上下文一致性学习损失函数；基于目标样本在不同视角下的预测标签构建基于多分支结构开放集识别损失函数；通过自一致性损失函数、上下文一致性学习损失函数以及基于多分支结构开放集识别损失函数进行联合优化得到优化好的基准模型；并利用优化好的基准模型进行目标匹配识别；本发明解决了现有的目标识别方法存在标记数据需求大、标签噪声影响严重的问题。