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。