[发明专利]基于反馈调节的物体识别方法及识别系统

权利要求书

1.一种基于反馈调节的物体识别方法，采用深度神经网络进行物体识别，其特征在于包括如下步骤：

视觉信息从较低层级进入深度神经网络，沿深度神经网络的前馈连接自下而上传播整合；其中，

在物体识别的早期阶段，通过正向反馈抑制深度神经网络中不同类别之间相互干扰带来的类间噪声；

在物体识别的后期阶段，通过反向反馈抑制所述深度神经网络中同一类别的物体由于彼此之间的相似性而混淆识别的类内噪声，

所述早期阶段为1τ～2.5τ，所述后期阶段为2τ～4τ，其中τ是时间常数，

神经元i和神经元j之间的从第2层到第1层之间的正向反馈连接权重为：

其中α＝1，...，P_α，父辈模块为{ξ^α，β}，其中β＝1，...，P_β，而子辈模块为{ξ^α，β，γ}，其中γ＝1，...，P_γ，P_α，P_β和P_γ分别表示祖辈模块的数量；

神经元i和神经元j之间的从第2层到第1层之间的负向反馈连接权重为：其中b₁为同一父辈的不同子辈间相似系数。

2.如权利要求1所述的物体识别方法，其特征在于包括如下步骤：

所述类间噪声是指同一祖辈不同父辈的表兄妹模块所带来的噪声。

3.如权利要求1所述的物体识别方法，其特征在于包括如下步骤：

所述类内噪声是指由于同一个父辈的子模块之间相关性所带来的噪声。

4.如权利要求1所述的物体识别方法，其特征在于包括如下步骤：

在所述早期阶段和所述后期阶段的重合时间段里，所述正向反馈和所述正向反馈同时作用。

5.如权利要求1所述的物体识别方法，其特征在于包括如下步骤：

所述深度神经网络中，各个层级之间同时具有前馈连接和反馈连接，而且在同一层神经元之间的递归连接是具有联想记忆功能的连接。

6.如权利要求1所述的物体识别方法，其特征在于包括如下步骤：

所述正向反馈和所述反向反馈共享同一个神经元连接。

7.如权利要求1所述的物体识别方法，其特征在于包括如下步骤：

如果所述正向反馈和所述反向反馈之间没有直接连接通路，则只有当较高层级上识别出了较高层次的物体时，才启动所述反向反馈。

8.如权利要求1所述的物体识别方法，其特征在于包括如下步骤：

利用所述深度神经网络的层级结构存储物体分类信息。

9.如权利要求1～8中任意一项所述的物体识别方法，其特征在于包括如下步骤：

所述深度神经网络中，每一层神经网络的功能用Hopfield模型进行描述。

10.一种基于反馈调节的物体识别系统，其特征在于包括处理器和存储器；所述存储器上存储有可用在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时实现如下步骤：

视觉信息从较低层级进入深度神经网络，沿深度神经网络的前馈连接自下而上传播整合；其中，

在物体识别的早期阶段，通过正向反馈抑制深度神经网络中不同类别之间相互干扰带来的类间噪声；在物体识别的后期阶段，通过反向反馈抑制所述深度神经网络中同一类别的物体由于彼此之间的相似性而混淆识别的类内噪声，

所述早期阶段为1τ～2.5τ，所述后期阶段为2τ～4τ，其中τ是时间常数，

神经元i和神经元j之间的从第2层到第1层之间的正向反馈连接权重为：

其中α＝1，...，P_α，父辈模块为{ξ^α，β}，其中β＝1，...，P_β，而子辈模块为{ξ^α，β，γ}，其中γ＝1，...，P_γ，P_α，P_β和P_γ分别表示祖辈模块的数量；

神经元i和神经元j之间的从第2层到第1层之间的负向反馈连接权重为：其中b₁为同一父辈的不同子辈间相似系数。