1.一种基于YOLOX和分类回归损失目标识别方法，其特征在于，所述方法包括如下步骤：S1、获取待检测目标的相关高质量图像；

S2、对高质量图像中的目标进行标注，形成VOC数据集；

S3、将数据集划分为训练数据集和验证数据集；

S4、将损失函数中的回归损失函数进行分类处理，得到最终的损失函数；

S5、将最终的损失函数应用于YOLOX目标检测算法中；

S6、将训练数据集输入到目标检测算法中进行训练；

S7、达到预设训练次数后，取训练的最后3次模型在测试数据集上进行分析，得到最优目标检测算法模型；

S8、将最优目标检测算法模型用于识别待检测图像；

S4中，对回归损失函数进行分类处理，分类依据如下：YOLOX中损失函数公式为：Loss＝lcls+liou+lconf    (1),其中，lcls为分类损失，liou为回归损失，lconf为置信度损失；

回归损失的计算公式为：

当iou较小时，利用回归函数公式：liou＝‑log(iou)    (4)；

当iou较大时，利用回归函数公式：

2

liou＝1‑iou    (2)；

iou是预测框与真实框之间的交集面积除以并集面积，计算公式为：对回归损失函数进行分类处理，具体分类流程如下：2

S41、求liou＝‑log(iou)与1‑iou的交点横坐标iouk；

S42、当iou的值小于iouk时，回归损失函数采用liou＝‑log(iou)，当iou的值大于等于2

iouk时，回归损失函数采用liou＝1‑iou；

S43、得到最终的回归损失函数，并应用于算法模型中。

2.根据权利要求1所述的基于YOLOX和分类回归损失目标识别方法，其特征在于，得到最优目标检测算法模型的具体做法为：S61、将训练结束的最后三个算法模型在测试集上进行检测分析；

S62、计算精确度Pression和召回率Recall；

S63、计算每一类别的AP值；

S64、计算全部类别的mAP值；

S65、比较三个模型的mAP值，选取最大mAP值所对应的模型为最优目标检测算法模型。

3.根据权利要求2所述的基于YOLOX和分类回归损失目标识别方法，其特征在于，S62中计算精确度Pression和召回率Recall的具体公式如下：TP为正确预测为正样本的个数，FP为错误预测为正样本的个数，FN为错误预测为负样本的个数，设定的检测阈值，即Iou为0.5，当检测框与真实框的重叠区域超过50％时，就认为该检测框正确。

4.根据权利要求3所述的基于YOLOX和分类回归损失目标识别方法，其特征在于，S63中，AP是不同精确率和召回率所围成曲线的面积，计算公式如下：

5.根据权利要求4所述的基于YOLOX和分类回归损失目标识别方法，其特征在于，S64中计算全部类别的mAP值的公式如下：n为类别的个数。

6.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1‑5任一项所述的基于YOLOX和分类回归损失目标识别方法。