申请/专利权人：厦门理工学院

申请日：2023-12-12

公开（公告）日：2024-03-05

公开（公告）号：CN117649648A

主分类号：G06V20/56

分类号：G06V20/56;G06V10/44;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;B25J9/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明涉及一种目标可供性抓取检测方法，包括：构建可供性检测模型，通过训练集对模型进行训练后，通过训练后的模型对物体的可供性进行识别。模型采用编码器‑解码器结构对目标进行像素级可供性检测，网络使用ResNet18作为特征提取主干网，同时在编码器部分，设计空间特征融合模块，以及上下文信息融合模块，用于减少下采样中可供性分辨率的损失，增大感受野，使网络更好捕获上下文可供性信息，提升网络的鲁棒性能。

主权项：1.一种目标可供性抓取检测方法，其特征在于，包括：构建可供性检测模型，通过训练集对模型进行训练后，通过训练后的模型对物体的可供性进行识别；模型的主体结构采用编码器-解码器结构，其中：编码器的特征处理过程如下式所示： 其中，Ir表示输入图像，fresnet18_pre、fresnet18_layer1、fresnet18_layer2和fresnet18_layer3分别表示ResNet18网络的预处理层、第一层、第二层和第三层，F1、F2、F3和F4分别表示ResNet18网络的预处理层、第一层、第二层和第三层输出的特征图，fSFFM表示空间特征融合模块，FSFFM表示FSFFM输出的特征图，fCFFM表示上下文特征融合模块，FCFFM表示上下文特征融合模块输出的特征图；解码器的特征处理过程如下式所示： 其中，fBilinear_interpolation表示双线性插值算法，fconv_block1、fconv_block2、fconv_block3和fconv_block4分别表示第一卷积模块、第二卷积模块、第三卷积模块和第四卷积模块，F5、F6、F7和F8分别表示第一卷积模块、第二卷积模块、第三卷积模块和第四卷积模块输出的特征图。

全文数据：

权利要求：

百度查询： 厦门理工学院 一种目标可供性抓取检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD