1.一种无偏场景图生成方法，其特征在于，包括以下步骤：S1、采用视觉三元组 标注图片数据集，其中， 分别表示两个物体的分类， 分别表示两个物体的包围框，N D 为样本的观测数据个数， 是样本中的N i 个关系，其中N i 是样本中关系的数量，K是观测数据中关系类别的数量；S2、从标注后的图片数据集的观测数据中提取关系种群；S3、利用所述关系种群训练机器学习模型；S4、从所述观测数据和训练后的模型中提取调节参数；S5、利用所述调节参数调节模型输出，生成无偏场景图。
2.根据权利要求1所述的无偏场景图生成方法，其特征在于，步骤S2中，对于观测数据中的第t个关系类别y t ，关系种群 表示为：其中，arg smalα是计算核，表示根据特征距离选择相似的关系， 为表示第t′个关系类别y t′ 的关系特征， 和 分别是观测数据中所有关系<o i ,y t ,o j >的融合特征和数量，C是观测数据中物体的数量，o i 和o j 分别为两个不同的物体。
3.根据权利要求1所述的无偏场景图生成方法，其特征在于，步骤S4中，所述调节参数 的表达式为：其中，y i 和l j 分别表示第i个关系和logit的第j个位置； 和 分别表示关系y i 对应第l j 位置的调节下界组合与上界组合； 表示调节下界组合的第m个值， 表示调节上界的第n个值；T表示调节因子的潜在空间，t表示该潜在空间内的可能取值， 是指示函数。
4.根据权利要求1所述的无偏场景图生成方法，其特征在于，所述机器学习模型的损失函数表示为：其中，x和y分别是输入和输出关系类别； 是关系y i 的统计知识， 为输入y的统计知识；π y 表示输入y的数量分布，π y′ 表示输入为y′的数量分布；f y (x)和f y′ (x)分别表示当输入为x时预测为y和y′的logit模型。
5.根据权利要求4所述的无偏场景图生成方法，其特征在于，所述机器学习模型的参数θ * 的表达式为：其中， 为观测数据， 为期望，θ为机器学习模型的潜在参数空间，f(x)表示将x输入机器学习模型f后的输出。
6.一种终端设备，其特征在于，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1～5任一项所述方法的步骤。
7.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～5任一项所述方法的步骤。
