科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对生活中的物品种类多样且大小不一而导致难以准确识别的问题，提出一种用于识别生活物品的检测算法。基于YOLOv3算法，对网络结构和多尺度检测进行改进，并引入空洞卷积的思想。采用残差密集块替代原算法中的残差块并与卷积层结合，增强网络对物品特征信息的提取。由原先的3个尺度检测增加到5个尺度检测以提高对小物体的检测能力。通过空洞卷积扩大物品特征图辅助网络提取深层次的物品特征，使用Kinect v2传感器采集物品的图像并制作成数据集，改进后的算法在数据集上进行实验。实验结果表明：生活物品的平均检测精度均值达到91.96%,相较于原算法精度提高了约5%。所提方法与机器人抓取技术结合能够代替人工有效完成家庭、超市等场合的物品分拣工作。
-
单位福建工程学院
