针对Transformer架构人-物交互检测模型的分类器重新校准方法

本公开涉及一种针对Transformer架构人‑物交互检测模型的分类器重新校准方法，用于解决当前的HOI检测数据集存在的长尾分布所导致的深度学习分类器的错误预测问题。本案提取训练集中的所有待识别图像的人‑物交互实例特征为正负特征，并进一步从负特征中分出难负特征；将人‑物交互分类器在每个类别上的权重作为类别原型，利用原型有监督对比学习的形式，对每个类别计算损失函数，并按类别独立地进行反向传播，以对类别原型进行针对性优化校准。本案创新性地使用原型有监督对比学习，重新校准人‑物交互检测分类器，挖掘现有模型的错误预测，针对性地对其进行校准，提升了人‑物交互检测的准确性，尤其对于样本数量极少的尾部动作类别。