一种基于神经网络预测容器交互部件属性的方法

本发明公开了一种基于神经网络预测容器交互部件属性的方法，包括步骤S1、将所述主干网和头部网的卷积层设置为可变形卷积层，为每个像素点的卷积核在每个位置学习一个偏移量，使得不同的特征图使用不同的卷积核，以自动调整感受野，使网络具备感受不同尺度的物品的能力；步骤S2、采用解耦检测头，将包围框的预测和类别预测分离，实现解耦；步骤S3、构建损失函数训练神经网络，其中使用动态聚焦于普通质量包围框的损失函数度量重叠度损失，降低高质量包围框和低质量包围框对网络优化的影响；步骤S4、制作可打开式容器交互属性感知数据集，用于神经网络训练，丰富数据集，提高模型泛化性，并将训练好的神经网络预测容器交互部件属性。