本發(fā)明具體涉及一種基于噪聲分析的魯棒目標(biāo)識別方法、設(shè)備及其存儲介質(zhì)。背景技術(shù)、在深度學(xué)習(xí)模型的訓(xùn)練與部署過程中,數(shù)據(jù)噪聲的存在往往會導(dǎo)致模型性能下降,尤其是在大規(guī)模數(shù)據(jù)集或?qū)嶋H應(yīng)用場景中,噪聲標(biāo)簽與干擾樣本難以避免?,F(xiàn)有的模型在應(yīng)對噪聲數(shù)據(jù)時,通常需要引入復(fù)雜的噪聲建?;驍?shù)據(jù)清洗機制,但這些方法往...