[发明专利]面向人的细粒度视觉目标识别自适应训练方案生成、难度调整、闭环反馈训练方法及系统

权利要求书

1.面向人的细粒度视觉目标识别自适应训练方案生成方法，其特征在于，按照以下步骤进行：

步骤S1、基于个人识别特质测试成绩和当前标准细粒度视觉目标不定项选择识别测试成绩，生成综合训练指数Z；

步骤S2、获取所有受训人的全部训练数据，基于多元线性回归模型生成第i个训练参数X_i的权重β_i；

步骤S3、基于生成的综合训练指数Z以及估计的权重β_i，结合下式表示的训练方案生成算法，生成决定训练方案的训练参数X_i，并根据训练参数X_i设置训练方案；

其中，β_min为本次训练方案中训练权重的最小值，β_max为本次训练方案中训练权重的最大值；训练参数X_i共有6项，即i＝1,2,3,4,5,6，其中，X₁为观察学习训练中受训人的图片刺激时间，X₂为观察学习训练中受训人可提前结束图片刺激的时间，X₃为观察学习训练中受训人接受图片刺激的细粒度视觉目标子图总数，X₄为反馈学习训练中图片刺激的细粒度视觉目标子图总数，X₅为反馈学习训练中受训人看到图片刺激后根据提示进行选择的时长，X₆为反馈学习训练所使用的单张细粒度视觉目标子图的图像难度。

2.根据权利要求1所述的面向人的细粒度视觉目标识别自适应训练方案生成方法，其特征在于，所述步骤S1按照下式生成综合训练指数Z：

其中，exp为指数函数，为前一次标准细粒度视觉目标不定项选择识别测试成绩，A_s为期望的下一次标准细粒度视觉目标不定项选择识别测试成绩，可由受训人手动输入，K_m为根据个人识别特质测试成绩获得的当前受训人的个人识别系数；

当前受训人的个人识别系数K_m通过以下方法得到：

获取全部受训人的个人识别特质测试成绩以及当前受训人的个人识别特质测试成绩，利用全部受训人的个人识别特质测试成绩的最小值和最大值形成个人识别特质测试成绩区间，然后将个人识别特质测试成绩区间归一化到区间[0,1]，然后将当前受训人的个人识别特质测试成绩对应归一化到区间[0,1]内，得到个人识别系数K_m；

所述细粒度视觉目标子图的图像难度，是将细粒度视觉目标细粒度目标识别专家对每个细粒度视觉目标子图进行准确识别测试所花费的准确识别时间进行归一化处理，将所有细粒度视觉目标子图的准确识别时间映射到以(0,1)为区间的难度系数中，每个细粒度视觉目标子图映射得到的难度系数即为该细粒度视觉目标子图的图像难度。

3.根据权利要求1所述的面向人的细粒度视觉目标识别自适应训练方案生成方法，其特征在于，所述步骤S2的具体实现过程如下：

首先，按照下式建立多元线性回归方程：

上式中，Y为预测的受训人下一次标准细粒度视觉目标不定项选择识别测试成绩，β₀为常数项，e为残差；β_i为训练权重，为训练方案中第i个训练参数X_i的权重；

然后，利用建立的多元线性回归方程，由最小二乘法按照下式使残差平方和Q最小：

其中，Y_k为当前受训人第k次训练后的标准细粒度视觉目标不定项选择识别测试成绩，为Y_k的估计值，X_ik为当前受训人第k次训练中的第i个训练参数，β_ik为当前受训人第k次训练中的第i个训练参数的权重，n为获取的训练数据总数。