检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于双模态融合的线缆图像语义分割方法研究

电子测量技术 2023年第10期46卷 184-188页

作者：曹国群刘桂雄华南理工大学机械与汽车工程学院广州510640

线缆敷设时需要严格控制最小弯曲半径,线缆敷设图像准确分割是控制弯曲半径的基础,传统视觉方法、经典语义分割方法对复杂环境下线缆细长特征目标分割效果不佳。本文提出一种基于改进双模态融合语义分割网络ESANet的线缆语义分割方法,... 详细信息

线缆敷设时需要严格控制最小弯曲半径,线缆敷设图像准确分割是控制弯曲半径的基础,传统视觉方法、经典语义分割方法对复杂环境下线缆细长特征目标分割效果不佳。本文提出一种基于改进双模态融合语义分割网络ESANet的线缆语义分割方法,使用高效的SAGate代替ESANet中RGB-D Fusion模块完成双模态特征校正与融合任务,融合特征分别同时参与后续两种模态的特征提取,实现细长特征线缆掩膜的准确分割。通过采集不同姿态的线缆RGB及对应深度图像进行实验,结果表明本文改进的ESANet网络对线缆等细长特征目标有较好好分割效果,较ESANet模型分割精度(mIoU)提升了3.99%,较RGB单模态语义分割网络SwiftNet精度提升7.68%,该方法可以推广到其它具有细长特征的目标分割任务中。

关键词：语义分割双模态融合深度学习线缆

在线全文

学校读者我要写书评

暂无评论

基于深度学习的双模态融合情感分析

基于深度学习的双模态融合情感分析

作者：辛苗苗河北地质大学

学位级别：硕士

近年来,随着通信技术的进步和社交平台的发展,越来越多的人喜欢通过文字、语音、视频、图片等多种方式在社交网络平台上表达自己的观点和看法,因此每天会产生大量带有丰富情感信息的多模式数据。情感分析被定义为从人类中提取一组情感状... 详细信息

近年来,随着通信技术的进步和社交平台的发展,越来越多的人喜欢通过文字、语音、视频、图片等多种方式在社交网络平台上表达自己的观点和看法,因此每天会产生大量带有丰富情感信息的多模式数据。情感分析被定义为从人类中提取一组情感状态,是人机交互中自动检测人类意义的必要手段。随着深度学习和人工智能的发展,情感分析作为人机交互的一个关键方面受到了研究者的广泛关注。在某些情况下,仅基于文本信息很难评估情感类别。在日常交流中,说话表达的情感通常伴随着音频的特征信息,音频通道中包含的情感信息特征是语音特征的变化,例如音调、音量、发声力度和其他与频率相关的指标。文本和语音通道的交互结合可以提供更全面的信息,并捕捉更广泛的情感特征。因此,考虑到文本和语音信息之间的相关性和互补性,本文深入研究基于深度神经网络模型上来探究对文本和语音两种模态特征的有效提取,并着重于融合文本和语音两种模态特征信息进行情感分析研究。主要的研究内容如下:1.研究提取文本和语音特征信息的方法以及双模态情感特征融合模型。对于提取文本模态特征信息,采用双向长短期记忆网络(Bidirectional Long-Short-Term Memory Network,Bi LSTM)和最大池化相结合的方式,以提取文本上下文前向和后向的语义时序信息;为了提取语音模态的特征信息,通过结合多层一维的卷积神经网络(Convolutional Neural Network,CNN)和Bi LSTM的方式充分学习语音的局部和全局情感特征;对于文本和语音的特征融合,引入一种直接级联的特征融合方式对提取得到的文本和语音特征信息进行有效融合,在两种公开英文数据集进行了相关实验,验证双模态融合模型的情感分类效果优于单模态情感分类模型。2.研究一种结合注意力机制和跨模态交互文本和语音双模态信息的方法。考虑到采用直接级联的方式融合双模态情感信息存在的不足,通过跨模态交互文本和语音情感信息,充分学习句子中每个单词和相对应的语音帧之间的相互关系,获取丰富的情感信息,从而更准确的表示多通道特征。引入注意力机制将提取的文本特征信息和语音特征信息进行融合,使模型更加关注与情感相关的语音帧和文本特征向量,这使得融合后的特征更加有效。

关键词：双模态融合深度学习情感分析注意力机制特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

双模态融合的脑血肿早期扩增预测技术研究

双模态融合的脑血肿早期扩增预测技术研究

作者：汪晨华中科技大学

学位级别：硕士

脑出血(Intracerebral Hemorrhage,ICH)是一种高死亡率和致残率的全球性疾病。患者在急性期内容易发生再次出血或快速死亡。若能快速识别出患者在24小时后的血肿扩增风险,尽早对患者进行临床干预,可以有效改善患者的预后,降低病死率。目... 详细信息

脑出血(Intracerebral Hemorrhage,ICH)是一种高死亡率和致残率的全球性疾病。患者在急性期内容易发生再次出血或快速死亡。若能快速识别出患者在24小时后的血肿扩增风险,尽早对患者进行临床干预,可以有效改善患者的预后,降低病死率。目前,计算机断层扫描(Computed Tomography,CT)被广泛用于脑出血的早期检测,具有耗时短、成本低等优点。但是单次CT检查提供的信息有限,仅基于CT图像诊断容易出现漏诊的情况。在临床上,医生常结合影像特征和血肿体积两项来预测患者是否会发生血肿扩增。此外,血肿扩增还与患者的血压等临床指标紧密相关,但是如何结合信息量迥异的影像和临床数据从而提高预测准确性是研究的难点。因此,本文设计了一种双模态高维融合的早期血肿扩增预测模型,使预测更为准确、高效。目前血肿扩增的预测方法主要有两种:基于CT征象的传统方法和基于机器学习(Machine Learning,ML)的半自动方法。前者通过回顾性分析找出能够独立预测的特殊CT征象,依靠专业医师对CT图像进行识别。后者则是使用支持向量机从CT征象和临床信息等数据中抽取出若干特征进行分类,虽然结合临床信息后提高了准确性,但是仍然存在征象识别困难以及血肿体积测量繁琐等问题。本文利用深度学习(Deep Learning,DL)的方法对图像和非图像数据进行分析,提出双模态融合的全自动血肿扩增预测模型。首先,本文改进了传统的卷积神经网络(Convolutional Neural Network,CNN),以实现对不同维度的双模态数据均衡融合。具体而言:在视觉特征提取子网络中引入轻量化的注意力机制,深度挖掘高维视觉特征。结合临床信息与血肿扩增间的相关性,构建低维临床信息的高维拟合子网络。并设计了权重均衡的双模态融合模块,整合两个子网络输出的高维特征,从多数据角度分析病情,实现了基于单次CT检查的准确预测。实验表明,视觉特征与临床信息的高维融合模型能够显著降低血肿扩增的漏诊率。而后,本文依据贝叶斯深度学习的理论,引入了基于蒙特卡洛(Monte Carlo,MC)采样的不确定性估计,以此作为对点预测的补充解释,从而提高决策的可靠性。由于预测过程中存在不可避免的图像噪声和模型参数偶然性等影响,模型对于模糊的脑出血样本往往预测过高的错误概率值,通过量化不确定性可以筛选出错误样本。实验结果验证了不确定性与分类准确性间的相关性,且模型的准确率从79.4%提升到了83.9%。综上所述,本文在单次CT检查的基础上,高效地整合了患者的临床特征,构建了基于双模态融合的血肿扩增预测模型,模型主要包括视觉高维特征提取模块、临床信息上采样模块和预测结果筛选模块。模型实现了血肿扩增的全自动快速预测,减轻了医生的负担,提供了诊断结果的可靠性,提高了预测的准确度和敏感度。对脑出血患者的早期治疗以及预后诊断都具有重大的意义。

关键词：深度学习血肿扩增双模态融合贝叶斯理论预测

基于双模态融合的核燃料芯块表面缺陷检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双模态融合的核燃料芯块表面缺陷检测算法研究

作者：吴戈郑州大学

学位级别：硕士

核能是一种高效、低碳的清洁能源,合理利用核能能够有效地缓解全球能源短缺和气候变化的问题。核电是核能的主要利用方式之一。当前,核电发展处于重要机遇期,但也面临着诸多挑战,其中的安全问题是最受关注的焦点之一。核燃料芯块是核反... 详细信息

核能是一种高效、低碳的清洁能源,合理利用核能能够有效地缓解全球能源短缺和气候变化的问题。核电是核能的主要利用方式之一。当前,核电发展处于重要机遇期,但也面临着诸多挑战,其中的安全问题是最受关注的焦点之一。核燃料芯块是核反应堆的核心组件,也是确保核反应堆安全运行的重要屏障。严格控制核燃料芯块表面质量,及时剔除不合格芯块,是最小化核事故发生,实现核能安全利用的重要保障。当前工业上普遍采用基于2D灰度图像或者3D点云数据的单模态信息进行工业产品表面缺陷检测。然而,由于单一模态无法全面地描述物体特征,检测结果容易产生漏检和误检的情况。为了提高缺陷检测的可靠性,同时满足在线检测的速度需求,本课题将点云数据的距离值经坐标转换成图像的灰度值,映射成2D深度图像,减少数据量,并利用轻量级深度学习网络架构,融合燃料芯块空间深度和表面灰度两种互补的模态信息,实现对燃料芯块表面三种典型缺陷高精度、智能化的实时在线检测。所提出的方法也可以推广应用到其它工业产品的表面质量检测中。课题的主要研究内容如下:（1）建立双模态缺陷数据集。利用3D传感器获取芯块表面缺陷的伪彩色图像,从中分离出代表空间位置的深度图像（红色通道）和反映表面亮度的灰度图像（绿色通道）作为原始模态数据。使用Semantic Segmentation Editor标注工具结合两种模态信息对缺陷区域进行标注,建立芯块表面的双模态缺陷数据集,为后续算法研究提供数据基础。（2）验证双模态融合的表面缺陷检测算法检测芯块表面缺陷数据集的可行性。以单模态分割网络Seg Net为研究基础,针对芯块表面图像特征相对一致,网络容易过拟合的问题,进行模型精简,获得适用于工业双模态图像的分支网络结构,并构建双模态融合的表面缺陷检测网络SFuse Net。实验证明,使用双模态融合网络提升分割精度的方法适用于小型工业数据集。但是融合模型更加庞大,网络需要消耗更多的存储资源和计算资源。（3）设计轻量级双模态融合的表面缺陷检测网络。网络模型轻量化能够提高网络的灵活性和效率。课题以轻量级单模态分割网络ENet为分支结构,构建轻量级双模态融合表面缺陷检测网络HAEFuse Net。在网络中使用混合空洞卷积结构替换原始ENet网络上采样的残差瓶颈结构,提高网络特征恢复能力。同时,提出一种基于空间注意力机制的双特征融合方法,融合深度分支和灰度分支的特征以及网络的浅层特征和深层特征,提升小目标和目标边缘的分割效果。实验表明,课题提出的轻量级双模态融合缺陷检测网络HAEFuse Net分割精度的平均交并比是80.53%,优于SFuse Net网络,而网络的参数量比SFuse Net网络减少了7倍,且分割速度快了0.4倍,达到0.053 s/次。（4）搭建缺陷检测系统,将预先训练的HAEFuse Net检测模型部署到实验台中,开发可视化界面,模拟芯块表面缺陷在线检测实验。课题以工程项目为背景,设置缺陷区域占待检区域比例的判废上限值为10%,对芯块进行分类,测试系统性能。实验表明,检测系统的分类准确率达到99.49%,在配置中、高端显卡设备的检测速度均不超过0.3 s/次,能够满足核燃料芯块表面实时在线检测的准确率和效率需求。

关键词：核燃料芯块表面缺陷双模态融合语义分割

基于WinMI软件的采集模块优化与双模态融合实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WinMI软件的采集模块优化与双模态融合实现

作者：冉超西安电子科技大学

学位级别：硕士

光学分子成像技术在分子影像技术中扮演了非常重要的角色，它具有灵敏度高、价格低等优点，已经成为一种快速发展的生物医学影像技术。其中，生物自发光与激发荧光成像以其简便和直观性、无创性成为研究小动物在体成像的理想方法。利用... 详细信息

光学分子成像技术在分子影像技术中扮演了非常重要的角色，它具有灵敏度高、价格低等优点，已经成为一种快速发展的生物医学影像技术。其中，生物自发光与激发荧光成像以其简便和直观性、无创性成为研究小动物在体成像的理想方法。利用这种技术，我们可以实时地观察标记基因及细胞在活体动物中的活动与分布情况，为研究疾病的发展过程与药物筛选提供很好的方法与手段。而小动物在体光学分子成像系统，对在体光学分子成像的研究与发展具有十分重要的意义。小动物在体光学分子成像系统可以实现生物自发光成像和激发荧光成像两种成像模态的图像采集及图像处理功能。WinMI软件主要负责系统控制、数据采集以及图像的后处理分析，是整个系统的中心。本文围绕WinMI软件的图像采集模块优化与双模态融合的实现为中心，首先介绍了光学分子影像的研究、发展现状以及研究意义;然后，介绍了光学分子成像原理与软件平台搭建的开发工具;接着，对WinMI软件的图像序列采集模块的功能优化进行了说明，实现了序列采集设计与多线程采集优化;在多种数据格式处理中，针对不同的数据格式实现了格式的归一化处理以及选项设置管理操作;最后介绍了Micro-CT成像系统和与光学系统共同组成的双模态系统，成功实现了双模态融合的配准和二维数据能量映射;在荧光图像处理优化模块，介绍了图像数据的处理流程，对图像的分割算法进行了改进和优化，并达到了理想的效果。同时，WinMI软件对ROI的数据分析进行了优化处理，使软件的界面操作舒适性得到加强。

关键词：光学分子成像 WinMI 序列采集双模态融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

虹膜与眼周深度特征融合网络模型

工程科学与技术 2024年第3期56卷 240-248页

作者：雷松泽李永刚单奥奎张文娟西安工业大学计算机科学与工程学院陕西西安710021 西安工业大学基础学院陕西西安710021

虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思... 详细信息

虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思路。为实现精确自适应的融合识别,本文提出新颖的虹膜与眼周深度特征融合网络模型(MultipleFusionNet)。根据特征通道注意力和通道分组注意力的思想,设计自动权值生成网络,通过网络学习自动获得虹膜与眼周的权值。权值与卷积神经网络(CNN)生成的虹膜与眼周深度特征加权计算,可实现两个模态的深度特征动态精确融合,从而提高识别准确率。本文网络模型中融合部分可作为通用的深度特征融合模块使用,该模块可灵活地嵌入在任何CNN主干网络中,轻便且易于实现。在中国科学院公开的远距离虹膜库图像库CASIA-Iris-Distance和近距离光照变化虹膜图像库CASIA-Iris-Lamp上进行了实验验证,多种方法的对比实验和距离度量实验结果显示:本文的特征融合模型准确率最高为99.56%,采用余弦距离度量的等误率(EER)最低为0.002 7,优于单模态方法和相关的特征融合方法;计算复杂度方面,参数量和计算量比单模型的两倍少1.5%,计算量只比基准融合方法高1%,这表明该融合模型计算复杂度低,具有良好的性能。

关键词：双模态融合虹膜识别眼周识别深度特征融合

基于手指双模态特征的自动身份验证方法及系统

在线全文

学校读者我要写书评

暂无评论

信息安全学报 2024年第3期9卷 80-93页

作者：刘凤林丽英黄怡欣深圳大学计算机与软件学院深圳518060 深圳市人工智能与机器人研究院深圳518060 广东省智能信息处理重点实验室深圳518060

针对目前单模态生物特征识别在稳定性与安全性等方面的不足以及多模态融合识别的多设备多输入困难等问题,本文提出一种充分考虑类内与类间度量的学习模型,实现基于手指双模态特征的自动身份验证方法及系统。由于指静脉与指折痕具有不易... 详细信息

针对目前单模态生物特征识别在稳定性与安全性等方面的不足以及多模态融合识别的多设备多输入困难等问题,本文提出一种充分考虑类内与类间度量的学习模型,实现基于手指双模态特征的自动身份验证方法及系统。由于指静脉与指折痕具有不易改变,难以伪造的特点,本文选取这两种重要的手部特征进行身份验证。通过结合两种不同模态特征,利用自编码网络对类内特征进行表示,来构建基于度量学习的孪生网络模型,从而提取类内与类间特征;接着将提取的指静脉和指折痕特征进行距离计算,将距离融合后使用逻辑回归模型进行概率判断,最终实现有效的双模态融合身份验证。为验证我们提出方法的有效性,我们对指静脉识别结果性能进行了对比。实验结果表明,我们的方法在更具有挑战性的数据库上识别等错误率为1.69%,较之现有代表性论文提出的模型的等错误率降低了2.96%。我们也将构建的双模态融合模型与仅使用单一模态模型进行对比,结果表明融合指静脉和指折痕特征的融合模型的等错误率为1.55%,比单一模态的指静脉与指折痕模型分别降低了0.14%和3.0%,表明了双模态身份验证模型性能更优。进一步地,本文采集了一个更具有挑战性的数据库,开发了显示图像及识别结果的图形界面,最终实现了一个从数据采集到识别匹配的端对端的一体化自动身份验证系统。基于以上研究,本文首次提出了一个基于指静脉和指折痕特征的多目自动身份验证方案,实现集准确性,鲁棒性和实效性为一体的系统。

关键词：双模态融合孪生网络自编码器生物特征

基于TableMaster的端到端的表格识别算法研究

在线全文

学校读者我要写书评

暂无评论

基于TableMaster的端到端的表格识别算法研究

作者：彭志明南昌大学

学位级别：硕士

在现实生活中,表格广泛应用于各个领域,如文档处理、数据分析、金融报表等。然而,由于图像表格的复杂性和多样性,因此有效地自动识别和提取其中的信息是一项具有挑战性的任务。传统的表格识别方法通常基于规则和模板,需要人工定义规则... 详细信息

在现实生活中,表格广泛应用于各个领域,如文档处理、数据分析、金融报表等。然而,由于图像表格的复杂性和多样性,因此有效地自动识别和提取其中的信息是一项具有挑战性的任务。传统的表格识别方法通常基于规则和模板,需要人工定义规则和特征来提取表格的结构和内容。这种方法在简单的表格上效果较好,但在复杂的表格、噪音干扰较多的情况下表现不佳。近年来,深度学习技术的兴起为表格识别带来了新的突破。深度学习方法通过建立端到端的模型,可以直接从原始图像数据中学习到表格的结构和内容。典型的深度学习方法包括基于卷积神经网络(CNN)和循环神经网络(RNN)的模型,通过学习图像的局部特征和上下文信息来进行表格识别和提取。然而对于高速公路质量管理系统而言,表格中复杂的跨行跨列结构、单元格样式的多样性以及特殊字符的出现又进一步提升了任务的难度。本文主要针对复杂的表格结构、文本检测、识别的速度以及准确率等问题进行优化,在Table Master模型的基础上加以改进,此模型将表格识别任务分成三个子任务,分别为文字检测、文字识别和表格结构识别任务。论文主要工作可以分为以下三点:(1)针对以PSENet算法为基础的文本检测算法进行改进。首先针对表格线离文字过近影响文本检测,单元格文字位置的水平居中等问题,表格识别中的文本检测子任务,选择以PSENet算法框架为基础。其次在PSENet模型基础上,使用了更加轻量级的特征分割模块和一个可学习的像素聚合模块,完成对文本块的识别,提高了算法的效率和准确率。(2)针对Master算法解码器中上下文信息缺失问题进行改进。为了解决文字识别任务中字符中英文混杂,特殊字符等问题,本文以平安财产保险视觉计算团队推出的Master算法为基准,使用CPPD解码器替换原先的解码器部分,既拥有原来PD解码器的并行效率,又有AR解码器的上下文获取能力。CPPD解码器中使用字符计数模块和字符顺序模块提取上下文信息,这使得模型可以优先处理重要的文本特征,可以捕捉文本的内在结构和上下文,从而提高模型识别准确性。(3)针对表格识别算法整体流程进行改进。为了解决表格结构识别中复杂表格无法识别问题。本文在Table Master模型的基础上,通过有线表格数据集对模型进行训练,对项目中使用到的表格进行裁剪,使用YOLOv7算法裁剪出中间有线表的部分,再输入到模型进行识别,最后将表格结构识别和文字识别的融合结果,通过模板匹配的方式生成对应样式的excel文件。实验证明,本文提出的端到端的表格识别模型,对表格识别中的文本检测、文字识别以及表格结构识别三个子任务都有不同程度的优化,提高了模型识别的效率和准确率。

关键词：表格结构识别文本检测文本识别注意力机制双模态融合

基于纹理力触觉和声音信号的材质表面纹理识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于纹理力触觉和声音信号的材质表面纹理识别

作者：张中华吉林大学

学位级别：硕士

随着人机交互技术的迅猛发展,利用多种感知模态的信息来协助机器人和自动化应用获取物体的触觉属性变得愈发重要。结合多种感知模态,例如触觉、听觉等,可以提供更加丰富的信息来源。通过感知工具与物体表面结构之间的碰撞,工具介导的振... 详细信息

随着人机交互技术的迅猛发展,利用多种感知模态的信息来协助机器人和自动化应用获取物体的触觉属性变得愈发重要。结合多种感知模态,例如触觉、听觉等,可以提供更加丰富的信息来源。通过感知工具与物体表面结构之间的碰撞,工具介导的振动触觉反馈能够帮助人们获取对表面纹理的加速度信息和声音信息,这为实现对材质表面纹理的识别提供了可能。但是将触觉和听觉等多种感知模态的信息进行融合是一个难点问题,通过分析加速度信号和声音信号,有效地将来自不同感知模态的信息进行整合,提取材质表面的纹理特征,这些特征可以被用作训练机器学习算法或深度学习网络,进而实现自动化纹理识别。这种技术不仅在机器人识别等领域有广泛应用,同时在盲人触觉辅助技术方面也具有重要的研究价值和应用前景。本文研究的是基于纹理力触觉和声音信号的材质表面纹理识别问题,研究了包括加速度信号和声音信号的采集方法、数据预处理技术、特征提取方法、机器学习算法、数据集构建以及深度学习识别算法。这些研究为表面纹理触觉信息采集、融合、识别等应用的发展提供了有益的参考。论文的主要研究内容与贡献归纳如下:(1)设计并搭建了平面纹理力触觉和声音信号自动化采集平台,编写平台的控制界面以及通信程序,实现平台的硬件驱动。通过该平台,能够控制探针的扫描速度和按压力,实现对材质表面纹理的扫描,并采集所需的加速度数据和声音数据。采集了9种常见的材质表面纹理数据,并构建了原始数据集。对这些数据进行时域分析和频域分析,以探究加速度数据与声音数据之间的相关关系。这些数据为材质表面纹理识别研究提供了重要的数据支撑。(2)设计了一种特征加权融合的方式,对比分析不同数据集和机器学习算法的纹理识别性能。在数据处理方面,采用了滑动窗口和数据标准化的方法去除数据中的噪声,确保了加速度数据与声音数据的一致性。针对加速度数据和声音数据,提取了13位MFCC特征系数作为特征表示。同时,提出了加速度数据特征与声音数据特征的加权融合方法,以获得更全面的信息。对比分析五种不同机器学习算法在纹理识别任务上的性能,使用了三种数据集进行分类实验。实验结果表明,融合数据集在纹理识别方面表现出色,最高识别准确率达到了93.3%。(3)针对机器学习算法中存在的触觉数据特征需要人工提取、提取不充分和模型结构简单等问题,提出了一种融合多尺度卷积网络(Multi-scale Convolutional Neural Network,MCNN)和双向长短期记忆网络(Bidirectional Long Short-Term Memory,Bi-LSTM)的纹理分类算法。该算法旨在充分提取触觉数据中的多尺度特征和时序相关性特征,以提高模型的分类性能和泛化能力。构建了三种数据集,并训练和测试纹理分类模型。实验结果表明,包含加速度信息和声音信息的数据集在纹理识别方面表现出色,最高识别准确率达到了94.6%。

关键词：纹理识别双模态融合触觉特征材料分类