检索结果-南通市图书馆

吉林大学学报(工学版) 2023年

作者：赵彬吴成东张雪娇孙若怀姜杨东北大学信息科学与工程学院新松机器人自动化股份有限公司东北大学机器人科学与工程学院

本文为解决机械臂单物体抓取检测问题，提出一种基于注意力机制（CBAM）的SqueezeNet网络模型。首先，对深度视觉抓取系统进行了阐述，完成了抓取系统的手眼标定。采用随机裁剪、翻转、调节对比度和增加噪声等方法对数据集进行了预处理... 详细信息

本文为解决机械臂单物体抓取检测问题，提出一种基于注意力机制（CBAM）的SqueezeNet网络模型。首先，对深度视觉抓取系统进行了阐述，完成了抓取系统的手眼标定。采用随机裁剪、翻转、调节对比度和增加噪声等方法对数据集进行了预处理，有效地扩充了物体抓取检测数据集。其次，本文引入轻量化SqueezeNet模型，采用五参数法表征二维抓取框，在不加大网络设计难度的前提下即可完成对目标抓取。再次，引入即插即用的带有注意力机制网络在通道维度上与空间维度上对传进来的特征图进行加权处理，对SqueezeNet模型抓取网络进行优化改进。最后，改进后的CBAM-SqueezeNet算法在公开的数据集Cornell Grasping Dataset和Jacquard Dataset数据集上进行了验证，抓取检测准确率分别为96.4%和94.8%，较SqueezeNet网路提升1.5个百分点。CBAM-SqueezeNet网络抓取方法具有15ms的推理速度，达到了抓取精度和运行速度的平衡。该研究在Kinova和新松手臂进行了实验，网络抓取成功率准确率为93%，速度更快、效率更高。

关键词：抓取检测注意力机制 SqueezeNet 单目标物体检测深度学习

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：