-
题名基于深度可分离卷积残差模块的抓取检测算法
- 1
-
-
作者
平路静
马行
穆春阳
姜谱照
-
机构
北方民族大学电气信息工程学院
北方民族大学宁夏智能信息与大数据处理重点实验室
北方民族大学机电工程学院
-
出处
《传感器与微系统》
北大核心
2025年第5期133-137,共5页
-
基金
银川市科技创新项目(2022GX04)
自治区科技创新领军人才培养工程项目(2021GKLRLX08)
宁夏回族自治区重点研发计划项目(2021BEE03002)。
-
文摘
针对在移动设备和嵌入式设备等资源受限的环境中,机器人不易实时准确抓取物体的问题,提出一种基于深度可分离卷积残差模块的卷积神经网络(CNN)模型。该模型充分利用相机颜色和深度信息,以RGB-D图像作为网络输入,直接对逐个像素点完成抓取预测。利用深度可分离卷积替代传统残差结构中的标准卷积层,构建出深度可分离卷积残差模块,在不降低网络性能的基础上减少模型参数,网络模型大小仅为2.3 MB。最后,在Cornell抓取数据集上进行实验,准确率达到97.7%,检测速度为58 fps。
-
关键词
卷积神经网络
深度可分离卷积
残差网络
抓取检测
-
Keywords
convolutional neural network
depthwise separable convolution
residual network
grasping detection
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
