基于信心分数协同优化的开放环境目标属性识别方法

本发明公开了一种基于信心分数协同优化的开放环境目标属性识别方法，旨在解决复杂且不断变化的开放环境中的模型泛化能力弱的问题。该方法包括以下关键步骤：(A)在模型训练步骤，通过最小化同一属性标签下正负样本的logit分数方差来学习对应的logit分数期望。(B)同时，通过约束同一属性标签下正负样本的logit分数期望关于0对称，确保产生的logit分数期望是无偏且平衡的。(C)在模型推理步骤，本发明将模型原始输出的属性标签logit分数减去在模型训练步骤学习到的该属性标签下正负样本的logit分数期望的均值，得到调整后的logit分数作为最终的logit分数输出。通过上述方法，本发明能够在时空变化的开放环境中实现更为准确和稳定的图像多标签属性识别。