科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对家庭环境中目标检测遇到的常见问题,如物体特征较少、类别复杂多样、位置重叠密集等,当前通用的基于深度学习的二阶段网络Faster R-CNN或者一阶段网络YOLO系列都无法学习到足够的特征来区分这些复杂物品,性能表现不佳。将基于图卷积神经网络GCN的算法空间感知图关系网络引入目标检测系统中,利用CNN网络提取图像特征后,在候选框ROI结构后嵌入图网络模块。利用邻接矩阵和高斯核同时建模目标的语义和空间信息,学习目标物品在家庭环境中的空间因果对应关系,通过图结构推理增强后续识别检测效果。实验结果表明,将图网络方法应用到服务机器人平台是可行的,在保持检测速度的前提下检测精度更高,且具有较好的鲁棒性和泛化能力。
-
单位北京信息科技大学; 自动化学院
