一种目标检测在线学习动态样本选择方法、系统、计算机设备及储存介质

本发明公开了一种目标检测在线学习动态样本选择方法、系统、计算机设备及储存介质，该方法包括：通过蒙特卡洛Dropout采样获取待筛选样本的分类不确定性和定位不确定性；构建包含分类不确定性、定位不确定性、知识缺口匹配度等多维度特征向量；基于注意力机制构建动态权重学习网络，并结合模型验证集性能指标计算各特征的权重；根据特征权重对样本进行多维度价值评分，并结合算力限制筛选出最优样本子集，以完成模型在线更新。本发明通过多维度特征融合全面评估样本价值，利用动态权重适配不同场景需求，并结合算力感知选样平衡资源消耗与更新效果，有效提升了模型在动态场景中的适应性、检测精度，同时降低了对人工标注的依赖。