文件名称:
基于全卷积深度模型的可抓取物品识别方法
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-03-02
详细说明：目前，工业机器人识别可抓取物品大多是先通过图像传感器收集作业场景信息，然 后通过粒子滤波或条件随机场等各类相关算法提取可抓取物品的像素块特征来进行的。但是， 这些可抓取物品的识别方法都存在着在同一像素块内部不同类别像素有误差，只考虑邻近区 域、而不考虑全局信息和结构信息等问题或缺点。为此，在引入基于像素点的全卷积网络（ｆｕｌｌｙ ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ，ＦＣＮ）的基础上，提出了基于 ＦＣＮ的改进模型进行可抓取物品识别，其优 势在于该模型经过学习能够预测各个像素所属物品类别的概率，并且能将结果恢复成为背景与 前景分割的图像，从而识别作业场景中可抓取物品的位置与类别。由于 ＦＣＮ模型不限制输入、 输出图像的尺寸大小，所以它克服了传统卷积深度学习模型的缺点，同时也考虑了全局信息与 结构信息。以康奈尔抓取数据集（ｃｏｒｎｅｌｌｇｒａｓｐｉｎｇｄａｔａｓｅｔ，ＣＧＤ）作为实验样本对提出的改进模 型进行验证。实验结果表明：改进后的全卷积深度学习模型的正确率较全卷积深度学习模型提 高了６.２％，同时该方法也可用于其他分割前景的感知任务。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
