基于全局感知图卷积的目标识别及模型训练方法和装置

本申请涉及目标识别技术领域，特别涉及一种基于全局感知图卷积的目标识别及模型训练方法和装置。训练方法包括：获取样本图像和类别标签，统计所有样本图像中具有一种或两种相同类别标签共现概率，生成标签邻接矩阵；将样本图像输入特征提取网得到第一图像特征，基于第一图像特征的各个局部特征生成对应第一邻接矩阵；将第一图像特征和第一邻接矩阵输入第一图卷积网络得到第二图像特征；将第一图像特征、第二图像特征融合后和标签邻接矩阵输入第二图卷积网络，得到目标物体的预测类别；计算预测类别与类别标签的差异度，调整模型的参数，得到训练好的目标识别模型。本申请改善了传统分类网络方法针对复杂场景下难以兼顾分类准确度和效率的问题。