科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的机械臂姿态估计方法通常只考虑如何改进模型的泛化能力，而忽略了模型的效率，因此在实际应用中，开发出的模型参数量和计算量过大。为了解决此问题，本文提出一种新的基于Ghost模块的堆叠沙漏网络 （Ghost Module-Based Stacked Hourglass Network，Ghost-SHN）。Ghost-SHN以堆叠沙漏网络（Stacked hourglass Network，SHN）为基础，构建了具有两个堆的堆叠沙漏网络，并通过把堆叠沙漏网络中的普通卷积替换成轻量的Ghost模块来压缩模型，能够更好地在机械臂上进行部署，实现了轻量级的机械臂姿态估计。四个典型数据集上的实验结果表明，Ghost-SHN相比同类模型，不仅减少了参数量和计算量，而且泛化性能很好，取得了比堆叠沙漏网络更好的精度。
- 单位
