共查询到20条相似文献，搜索用时 328 毫秒
1.
任务规划算法是机械臂在未知环境下具备抓取能力的基础,为此提出一种基于三维体素—语义地图的机械臂虚拟空间任务规划方法。在获取完整点云场景的基础上,利用基于掩码区域的卷积神经网络实现目标检测与实例分割,构建由三维点云、语义信息、三维计算机辅助设计模型组成的体素-语义混合地图;优化A~*算法完成机械臂末端执行器最优路径规划,利用贝塞尔曲线完成轨迹优化;探究抓取不同几何体时的机械臂末端位姿,分解抓取、放置等复杂任务,形成基于语义驱动的空间任务规划。在虚拟空间通过仿真试验,表明了所提算法的有效性和快速性,同时该算法可支撑机械臂执行各种复杂的抓取任务,并提升机械臂的智能水平。 相似文献
2.
近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。 相似文献
3.
提出了一种基于噪声特征估计与引导的低剂量CT盲去噪方法.首先,采用有监督特征学习的方式对输入图像的辐射剂量进行等级评估,并估计出图像潜在的噪声特征图.其次,提出了一种基于噪声引导的低剂量CT图像盲去噪模型,通过显性噪声特征引导的方式将噪声特征与原始图像进行融合,并采用残差编码-解码卷积神经网络实现CT图像噪声去除.实验结果表明,在真实数据集上噪声估计网络及特征融合网络能够大幅提升去噪网络的性能,并且在未知剂量CT图像去噪任务上取得了较好的去噪效果. 相似文献
4.
针对现有卷积神经网络模型参数量大、训练时间长的问题,提出了一种结合VGG模型和Inception模块特点的网络模型。该模型通过结合两种经典模型的特点,增加网络模型的宽度和深度,使用较小的卷积核和较多的非线性激活,在减少参数量的同时增加了网络特征提取能力,同时利用全局平均池化层替代全连接层,避免全连接层参数过多容易导致的过拟合问题。在MNIST和CIFAR-10数据集上的实验结果表明,该方法在MNIST数据集上的准确率达到了99.76%,在CIFAR-10数据集上的准确率相比传统卷积神经网络模型提高了6%左右。 相似文献
5.
为了弥补经典LeNet-5卷积神经网络模型在交通标志识别中易发生过拟合的不足,克服其识别准确率与训练效率较低的缺点,采用GTSRB德国交通标志数据集,并对数据集进行扩充,使训练集数量达到6 312 649张,同时对经典LeNet-5卷积神经网络模型在激活函数、池化策略、随机丢弃及网络结构等方面进行改进,使用基于交叉熵的梯度下降算法对模型的误差反向传播过程进行优化。实验结果表明,改进后的模型较改进前在识别准确率与训练效率上都有所提高,识别准确率最高可达97.04%。因此,基于交叉熵的卷积神经网络不仅能够提高模型的交通标志识别准确率,有效防止过拟合,还能够提升网络训练效率。 相似文献
6.
提出了一种基于Leap Motion识别手势控制机械臂的方法.该方法首先使用Leap Motion对人体手部深度点云信息进行提取,获得手部位姿态、手指位姿以及手势识别.然后将手部各关节点的空间姿态坐标转换为机械臂每个关节的控制角度.最后通过串口与下位机Arduino进行信息交互,实现机械臂向前、左右、抓取等动作.实验表明,该方法可以准确识别人体手势,实时控制机械臂. 相似文献
7.
卷积神经网络(CNN)在脱机手写汉字识别领域取得了杰出的研究成果。采用更深层卷积神经网络可取得更高识别准确率,但是模型容量和计算复杂度也会增加,将模型部署到存储资源和计算力有限的移动设备上变得更加困难。为解决上述问题,提出一种基于深度可分离卷积的残差卷积神经网络。深度可分离卷积将标准卷积操作分离成特征提取和特征融合,逐深度卷积被用于特征提取,特征融合采用逐点卷积实现。使用深度可分离卷积改进残差网络,实现较深层的残差网络。模型使用联合的中心损失函数和softmax损失函数进行监督训练,可使模型学习具有判别性特征,提高了模型识别准确率。采用CASIA-HWDB数据集进行实验,结果表明该方法具有较低的模型容量和计算复杂度,能够达到96.50%的主流识别率。 相似文献
8.
深度学习技术与教师教育融合创新，可赋能教师教学体态语言行为精准测评。针对教师体态语言人工视频分析技术滞后问题，本研究采用人物目标检测、目标追踪和体态骨架图生成三种方法，创建真实教学情境下基于人体骨架图的专家型教师标准体态语言数据集，使用金字塔卷积模块优化ResNet50残差网络，构建金字塔残差神经网络模型，并基于数据集开展识别模型的训练、验证和测试实验。结果显示，体态语言识别模型的准确率、精确率和召回率均达到95%以上，识别准确率由高到低依次为工具性体态语言、巡视性体态语言、指示性体态语言、常规性体态语言、描述性体态语言。本研究基于上述训练良好的模型，开发教师体态语言智能感知测评系统，提出教师体态语言特征的人体骨架表征方法、教师体态语言数据集创建方法及智能识别神经网络模型构建方法，构建了大数据驱动的教师课堂体态语言智能测评方法体系。 相似文献
9.
随着人工智能的发展,计算机对于输入的手写字符识别需求越来越大,采用改进的卷积神经网络对手写字符进行识别分类。用VGGNet16模型构造卷积神经网络模型,每一层都加上批标准化,通过平均值池化对卷积层进行下采样,利用PRELU激活函数代替ReLU激活函数,最后通过Softmax分类器对手写字符图像进行分类。在MNIST手写数字数据集和EMNIST-bymerge手写字母及数字数据集下进行实验,改进的卷积神经网络模型在MNIST数据集中识别准确率提升到99.65%,在EMNIST数据集中识别准确率为90.37%。因此,改进模型识别准确率较高,适用于手写字符识别。 相似文献
10.
针对唇语识别过程中唇部特征提取和时序关系存在的问题,提出一种卷积神经网络（CNN）和双向长短时记忆网络（Bi-LSTM）相结合的深度学习模型。利用CNN学习唇部特征,并将学习到的唇部特征送入Bi-LSTM进行时序编码,通过Softmax进行分类。建立NUMBER DATASET和PHRACE DATASET两个大型汉语数据集以解决汉语唇语数据缺失问题。将该模型与传统的唇语识别方法在两个数据集上进行实验对比,发现在NUMBER DATASET上识别准确率为81.3%,比传统方法提高了8.1%,在PHRACE DATASET上识别准确率为83.5%,比传统方法提高了9%。实验结果表明该模型能有效提高唇语识别的准确率。 相似文献
11.
为了解决关键点检测精度不均和整体关键点检测精度不高等问题,基于级联特征网络,通过构建主体网络多分支、多阶段、多分辨率的方式从输入图像中提取丰富特征,并通过微调网络中的级联和在线关键点挖掘以提高整体关键点检测精度。采用自顶向下的方法在MPII数据集上与目前先进方法进行对比实验,分别使用20 000张图像进行训练,5 000张图像进行测试。实验结果表明,基于级联特征网络的人体姿态估计方法具有更高的多人姿态估计准确率,平均精度达80.4%,且一些不易识别的关键点检测精度更高。 相似文献
12.
许邓艳卢民荣 《福建工程学院学报》2020,(4):358-364
提出基于反向随机局部投影的神经网络效率改进算法，通过降低深度学习中的网络规模，重点解决了从“局部连接”到“全连接”和随机节点抽取时输入端节点信息丢失的问题，从而提升网络的效率。在算法中设置缩减参数，提升了算法的可伸展性，以适用于不同数据集的学习。通过数据集ISO-LET进行实验，结果表明，基于反向随机局部投影的神经网络效率改进算法的准确率、效率分别平均提升了3.48%和105.21%?在迭代20次的实验中进行了缩减参数调节实验，当参数设置为1.4时其准确率则优于传统全连接网络2.61%，效率提升了272.78%，具有明显的优势。 相似文献
13.
随着信息技术和计算机视觉技术的发展,仓储管理自动化和智能化成为趋势,对仓储物体进行准确检测变得尤为重要。针对仓储环境下的物体检测应用场景,提出一种基于SSD的仓储物体检测算法,实现对仓储环境下的物体智能检测。首先采用VGG16网络进行图像特征提取,然后在仓储物体数据集上进行模型训练,最后通过优化模型参数将训练好的模型应用于仓储物体检测。在创建的仓储物体数据集上训练SSD300和SSD500两种模型,获得的仓储物体检测准确率（mAP）分别为91.83%和94.32%,表明该算法基本实现了仓储物体的准确检测。 相似文献
14.
情感分析在业界被广泛应用于产品分析、商品推荐等方面,具有很高的商业价值。目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程。针对传统情感分类方法需要人工干预的问题,总结目前已有可用于情感分析的深度学习方法,提出将卷积神经网络（CNN）和双向长短时记忆网络（BLSTM）进行组合,并将融合后的特征添加至注意力机制,设计出CBLSTM-Attention模型。实验表明,该模型在中文数据集上准确率达0.965 0,在NLPCC英文数据集上准确率达0.942 2,证明该方法不仅可提高文本情感倾向性分析的准确率,而且可有效解决人工干预问题。 相似文献
15.
结合现有基于卷积神经网络的图像分类算法,以CIFAR-10作为数据集,探究如何快速搭建一个满足分类精度要求的卷积神经网络模型,以及如何有目的且高效地进行网络训练与参数调整。实验以简单的三层卷积神经网络为基础,从数据增强、网络结构与优化训练3个方面对模型进行改进。实验结果表明,通过叠加这些改进方法,可使模型的拟合能力与泛化能力逐渐增强,最终获得更高的图像分类准确率。 相似文献
16.
17.
《河南职业技术师范学院学报(职业教育版)》2020,(3)
为了增强橘子表皮缺陷提取效果,满足橘子品质自动分类的实时性和准确性要求,构建了橘子数据集,以Re LU为激活函数,Max-pooling为下采样方法,建立了包含3个卷积层、3个下采样层、1个全连接层和1个Softmax回归分类器为输出层的卷积神经网络模型,采用小批量梯度下降法训练并优化网络模型.实验平台基于Keras深度学习框架,利用Anaconda下的Spyder编译工具进行Python编程,实验结果表明:方法分类准确率达94.34%,比现有分类方法准确率高出4.75个百分点. 相似文献
18.
《实验室研究与探索》2016,(2):107-113
当前大多数对人体动作识别算法要求大量训练数据或Mo CAP来处理多视角问题,且依赖于干净的人体轮廓。本文提出了一种复杂背景下单人体动作识别算法,通过从3D动作模型中采样,并对每个姿态样本进行定位实现人体姿态识别。首先通过对2D关键姿态进行注解,然后将其提升为线条画,再计算3D关键姿态外形间的变换矩阵。考虑到从粗犷的动作模型中采样获得的姿态可能与观察不够匹配,文章提出了一种通过生成姿态部位模型(PSPM)来实现姿态高效定位的方法,所生成的PSPM模型用树结构有效描述了合适的运动学和遮挡约束。此外,本文提出的方法不需要姿态的轮廓。最后基于两种公开数据集及一种新的带有动态背景的增强型数据集,证明本文方法相比以前算法实现了性能提升。 相似文献
19.
20.
已有的煤矸石识别方法具有一定效果,但无法满足实际需求。为了寻找新的煤矸石识别方法,提出了基于深度学习的煤矸石图像识别方法。采用Inception模型,并通过迁移学习共享已训练模型卷积层权值和偏差。从煤矸石图像库中随机抽取煤矸石图像作为训练集和测试集,最后将该方法与传统图像识别方法进行比对。实验结果表明,该模型可以有效识别煤矸石,准确率为93.5%,有效提高了煤矸识石别准确率。 相似文献