摘要
サービスロボットの視覚的把持時に認識対象が密集して遮蔽されることによって認識性能が低下する問題に対して、YOLOv7を改良したサービスロボットの密集遮蔽対象認識手法を提案する。まず、密集遮蔽対象の特徴情報の損失により認識が困難になる問題を改善するために、深層過パラメータ化畳み込みを使用して深層過パラメータ化効率的集約ネットワークを構築し、各チャネルに異なる畳み込みカーネルを適用してネットワークの認識能力を強化し、ネットワークが遮蔽されていない対象領域の特徴に注目するようにした。次に、密集遮蔽対象の境界が識別しにくく認識に影響を及ぼす問題を抑制するため、座標注意メカニズムをバックボーンネットワークに組み込み、ネットワークが対象の位置情報を取得し特徴マップの重要領域により注目できるようにしてネットワークの特徴抽出能力を強化した。最後に、軽量化のためにGhostネットワークを使用し計算量を削減しモデルのメモリ使用量を低減した。自社構築データセットおよび公開データセットでそれぞれモデルの比較実験を行い、改良後のモデルはmAPがそれぞれ92.9%、87.8%に達したことを実証した。本手法はメモリ使用量を低減しつつ、認識精度と認識効率を向上させ、全体的な性能が優れている。
关键词
密集遮蔽;YOLOv7改良;サービスロボット;対象認識
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website