[发明专利]一种基于BP神经网络单元的变形体识别方法

权利要求书

1.一种利用BP神经网络单元识别变形体的方法，其特征在于：所述变形体为可弯曲的动物肢体，所述神经网络单元为带有多向排序结构的卷积型反馈神经网络单元；所述卷积型反馈神经网络单元包括：按列滑动函数、排序函数、加函数、向量内积函数、改形函数、逐元素相乘函数、转置函数、压维函数、扩维函数；

所述神经网络单元的输入特征为4维张量或者5维张量；

当所述输入特征为4维张量时，所述神经网络单元存储的是一定批次中含有一定通道的二维视觉像素特征图，第1、2、3、4维分别为批次、通道、特征高度、特征宽度，或分别为批次、特征高度、特征宽度、通道；

当所述输入特征为5维张量时，所述神经网络单元存储的是一定批次中含有一定通道的三维点云特征图；第1、2、3、4、5维分别为批次、通道、特征深度、特征高度、特征宽度，或分别为批次、特征深度、特征高度、特征宽度、通道；

神经网络单元输出特征的各维度与输入特征相同；

对于输入的特征图张量0，利用所述按列滑动函数对输入单元张量0进行展开处理，得到张量1的前身；使用改形函数将所述张量1的前身改形为含有一定数量批次和一定数量通道的二维或者三维特征图，得张量1；

对张量1按x轴排序，取按x轴排序的前k个值得到张量2的前身，将所述张量2的前身与一个可学习权重通过逐元素相乘函数相乘后得到张量2；

对这些二维或者三维张量按y轴排序，取按y轴排序的前k个值得到张量3的前身；将所述张量3的前身与一个可学习权重通过逐元素相乘函数相乘后得到张量3；

若为3维张量，则还需将三维张量按z轴排序，取按z轴排序的前k个值得到张量4的前身，将所述张量4的前身与一个可学习权重通过逐元素相乘函数相乘后得张量4；

将输入单元的输入张量0和张量2、张量3、张量4通过加函数相加后得到张量5；

将张量5输入常规的卷积单元处理，得到张量6；

将所述张量6通过改形函数改形，得张量7；

将张量7作为整个单元的输出，即可用于后续的神经网络部分的信息处理；

处理方法包括：

（1）采集待识别的可弯曲的动物肢体数据，制作数据集；

（2）对数据集的关键点进行标注；

（3）去除数据集中不包含待识别的可弯曲的动物肢体的帧，将剩余图片的90%作为训练集，10%作为评估集；

（4）将ppyolov2的backbone部分的前5个resnet层中的卷积单元替换为所述带有多向排序结构的卷积型反馈神经网络单元，使用所述数据集进行训练。