检索结果-南通市图书馆

五邑大学学报（自然科学版） 2024年第2期38卷 55-63页

作者：梁淑芬解竞一吴岑秦传波五邑大学电子与信息工程学院广东江门529020

在图像分割中,单次卷积和频繁的池化操作容易产生冗余信息或遗漏关键信息.本文设计了一种多尺度的残差挤压和激励注意力的双U形分割网络(MRSEA-DUNet)来解决上述问题.首先,该网络由两个U形的网络组成,分别是预编码网络和精确分割网络.... 详细信息

在图像分割中,单次卷积和频繁的池化操作容易产生冗余信息或遗漏关键信息.本文设计了一种多尺度的残差挤压和激励注意力的双U形分割网络(MRSEA-DUNet)来解决上述问题.首先,该网络由两个U形的网络组成,分别是预编码网络和精确分割网络.为避免频繁的卷积和池化操作导致信息丢失或产生无效信息,提出了具有不同大小感受野的阶梯卷积模块(SCM),并采用并行结构,可以在不同尺度上捕获更丰富、更详细的特征.其次,还设计了一种残差挤压和激励注意力模块(RSEAM),可以通过空间和通道提高有效特征增益,消除冗余信息,并且提高了模型的整体鲁棒性.最后,为了减少了降采样操作的数量,简化了纵向复杂度.实验结果表明,本文MRSEA-DUNet模型的精度、Jaccard系数和Dice系数分别达到0.995 4、 0.979 4和0.989 5,均优于其他7种主流模型,优化了分割效果.

关键词：医学影像分割挤压与激励注意力机制感受野多尺度残差机制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于SE-ResNet的机器人最优抓取姿态检测方法

引用

传感器与微系统 2023年第5期42卷 112-116页

作者：杨华宋卓吴杰宏高利军沈阳航空航天大学计算机学院辽宁沈阳110136

为了提高机器人在抓取物体时成功率和速度,提出了一种基于SE-ResNet的生成式机器人抓取位置检测模型。模型通过输入的RGB-D图像直接生成对应的抓取映射图,ResNet解决了深度模型的退化问题,在此基础上引入挤压和激励机制,让模型使用全局... 详细信息

为了提高机器人在抓取物体时成功率和速度,提出了一种基于SE-ResNet的生成式机器人抓取位置检测模型。模型通过输入的RGB-D图像直接生成对应的抓取映射图,ResNet解决了深度模型的退化问题,在此基础上引入挤压和激励机制,让模型使用全局信息来增强有用信息,并抑制无用信息。选择Jaccard指数作为抓取检测的评价标准。实验结果表明,该方法在Cornell数据集上的准确率高达98.9%。搭建了基于PyBullet物理仿真环境的抓取检测平台,使用Panda机械臂对Egad评估集中的各个难度的物体抓取表现良好,在提高抓取检测的成功率的同时,保证了实时性。

关键词：抓取检测机器人抓取深度学习挤压与激励

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

机器人对物体抓取点检测技术的研究

机器人对物体抓取点检测技术的研究

引用

作者：宋卓沈阳航空航天大学

学位级别：硕士

机器人抓取是智能机器人的基础功能,也是机器人研究领域的重要课题,并伴随着许多挑战。抓取检测是机器人能完成抓取任务的首要前提,本文的研究聚焦于构建新的神经网络模型,提高机器人抓取检测的准确率,具体工作如下:首先,对此领域的相... 详细信息

机器人抓取是智能机器人的基础功能,也是机器人研究领域的重要课题,并伴随着许多挑战。抓取检测是机器人能完成抓取任务的首要前提,本文的研究聚焦于构建新的神经网络模型,提高机器人抓取检测的准确率,具体工作如下:首先,对此领域的相关研究做了分析和整理,描述了机器人抓取检测系统的整体设计和实现过程。在计算位姿方面,改进了传统的五维矩形抓取表示法,使用康奈尔抓取数据集对模型进行训练。针对康奈尔抓取数据集数据量不足的问题,通过旋转、剪裁、放大等方法对数据进行了扩充和增强。详细推导了坐标变换的计算方法以及从抓取图中提取最优抓取的过程。其次,对抓取检测神经网络模型进行研究和设计,为了提高机器人在抓取物体时成功率和速度,提出了一种基于SE-Res Net的生成式机器人抓取位置检测模型。模型通过输入的RGB-D图像直接生成对应的抓取映射图,Res Net通过跳跃连接的方式解决了深度模型的退化问题,在此基础上引入挤压和激励机制,用于增强有用信息,并抑制无用信息。再次,对模型进行结构优化和参数调整,在结构上使用了批量归一化,随机失活法。选择Jaccard指数作为抓取检测的评价标准。实验结果表明,该方法在Cornell数据集上的准确率高达98.9%。最后,为进一步验证该模型,搭建了基于Py Bullet物理仿真环境的抓取检测平台,使用Franka Panda机械臂对EGAD评估集中的各个难度的物体进行仿真抓取,通过改变抓取物体的数量以及摆放位置进行了多组抓取实验,成功率在80%～96%之间。

关键词：抓取检测机器人抓取深度学习挤压与激励

来源：

同方学位论文库评论

在线全文

同方学位论文库

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

在线全文

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

在线全文

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：