钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
大学学报期刊
\
重庆理工大学学报(自然科学版)期刊
\
基于全卷积深度学习模型的可抓取物品识别
基于全卷积深度学习模型的可抓取物品识别
作者:
唐洪
皮思远
肖南峰
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
深度学习模型
全卷积网络
物品识别
工业机器人
摘要:
目前,工业机器人识别可抓取物品大多是先通过图像传感器收集作业场景信息,然后通过粒子滤波或条件随机场等各类相关算法提取可抓取物品的像素块特征来进行的.但是,这些可抓取物品的识别方法都存在着在同一像素块内部不同类别像素有误差,只考虑邻近区域、而不考虑全局信息和结构信息等问题或缺点.为此,在引入基于像素点的全卷积网络(fully convolutional networks,FCN)的基础上,提出了基于FCN的改进模型进行可抓取物品识别,其优势在于该模型经过学习能够预测各个像素所属物品类别的概率,并且能将结果恢复成为背景与前景分割的图像,从而识别作业场景中可抓取物品的位置与类别.由于FCN模型不限制输入、输出图像的尺寸大小,所以它克服了传统卷积深度学习模型的缺点,同时也考虑了全局信息与结构信息.以康奈尔抓取数据集(cornell grasping dataset,CGD)作为实验样本对提出的改进模型进行验证.实验结果表明:改进后的全卷积深度学习模型的正确率较全卷积深度学习模型提高了6.2%,同时该方法也可用于其他分割前景的感知任务.
暂无资源
收藏
引用
分享
推荐文章
基于CNN深度学习的机器人抓取位置检测方法
CNN深度学习
机器人
抓取位置
检测
基于深度卷积神经网络的数字调制方式识别
调制方式识别
深度学习
卷积神经网络
星座图
基于深度学习的LoRa信号识别研究
物联网
低功耗广域网
LoRa
信号识别
深度学习
卷积神经网络
基于深度学习的轻量型人体动作识别模型
深度学习
图像处理
卷积神经网络
动作识别
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
基于全卷积深度学习模型的可抓取物品识别
来源期刊
重庆理工大学学报(自然科学版)
学科
工学
关键词
深度学习模型
全卷积网络
物品识别
工业机器人
年,卷(期)
2018,(2)
所属期刊栏目
信息·计算机
研究方向
页码范围
166-173
页数
8页
分类号
TP399
字数
3222字
语种
中文
DOI
10.3969/j.issn.1674-8425(z).2018.02.023
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
肖南峰
华南理工大学计算机科学与工程学院
83
679
14.0
19.0
2
皮思远
华南理工大学计算机科学与工程学院
1
11
1.0
1.0
3
唐洪
华南理工大学计算机科学与工程学院
1
11
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(47)
共引文献
(339)
参考文献
(8)
节点文献
引证文献
(11)
同被引文献
(39)
二级引证文献
(17)
1987(1)
参考文献(0)
二级参考文献(1)
1988(1)
参考文献(0)
二级参考文献(1)
1998(1)
参考文献(1)
二级参考文献(0)
1999(1)
参考文献(0)
二级参考文献(1)
2000(1)
参考文献(0)
二级参考文献(1)
2002(3)
参考文献(0)
二级参考文献(3)
2004(1)
参考文献(0)
二级参考文献(1)
2005(4)
参考文献(0)
二级参考文献(4)
2006(3)
参考文献(0)
二级参考文献(3)
2007(4)
参考文献(0)
二级参考文献(4)
2008(3)
参考文献(1)
二级参考文献(2)
2009(2)
参考文献(0)
二级参考文献(2)
2010(7)
参考文献(0)
二级参考文献(7)
2011(1)
参考文献(1)
二级参考文献(0)
2012(13)
参考文献(0)
二级参考文献(13)
2013(4)
参考文献(0)
二级参考文献(4)
2014(2)
参考文献(2)
二级参考文献(0)
2015(1)
参考文献(1)
二级参考文献(0)
2017(2)
参考文献(2)
二级参考文献(0)
2018(7)
参考文献(0)
二级参考文献(0)
引证文献(6)
二级引证文献(1)
2018(7)
引证文献(6)
二级引证文献(1)
2019(15)
引证文献(4)
二级引证文献(11)
2020(6)
引证文献(1)
二级引证文献(5)
研究主题发展历程
节点文献
深度学习模型
全卷积网络
物品识别
工业机器人
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
主办单位:
重庆理工大学
出版周期:
月刊
ISSN:
1674-8425
CN:
50-1205/T
开本:
出版地:
重庆市九龙坡区杨家坪
邮发代号:
创刊时间:
语种:
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
期刊文献
相关文献
1.
基于CNN深度学习的机器人抓取位置检测方法
2.
基于深度卷积神经网络的数字调制方式识别
3.
基于深度学习的LoRa信号识别研究
4.
基于深度学习的轻量型人体动作识别模型
5.
基于深度卷积神经网络的车型识别研究
6.
基于深度学习的植物识别原理综述
7.
一种基于融合深度卷积神经网络与度量学习的人脸识别方法
8.
基于深度卷积特征的水下目标智能识别方法
9.
基于深度卷积稀疏自编码分层网络的人脸识别技术
10.
基于深度学习的蘑菇种类识别算法研究
11.
基于深度学习的无人机遥感影像水体识别
12.
基于深度强化学习的固体放射性废物抓取方法研究
13.
基于深度卷积自编码神经网络的手写数字识别研究
14.
基于深度学习的肺部肿瘤图像识别方法
15.
基于集成深度学习的玻璃缺陷识别方法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
重庆理工大学学报(自然科学版)2022
重庆理工大学学报(自然科学版)2021
重庆理工大学学报(自然科学版)2020
重庆理工大学学报(自然科学版)2019
重庆理工大学学报(自然科学版)2018
重庆理工大学学报(自然科学版)2017
重庆理工大学学报(自然科学版)2016
重庆理工大学学报(自然科学版)2015
重庆理工大学学报(自然科学版)2014
重庆理工大学学报(自然科学版)2013
重庆理工大学学报(自然科学版)2012
重庆理工大学学报(自然科学版)2011
重庆理工大学学报(自然科学版)2010
重庆理工大学学报(自然科学版)2009
重庆理工大学学报(自然科学版)2008
重庆理工大学学报(自然科学版)2007
重庆理工大学学报(自然科学版)2006
重庆理工大学学报(自然科学版)2005
重庆理工大学学报(自然科学版)2004
重庆理工大学学报(自然科学版)2003
重庆理工大学学报(自然科学版)2002
重庆理工大学学报(自然科学版)2001
重庆理工大学学报(自然科学版)2018年第9期
重庆理工大学学报(自然科学版)2018年第8期
重庆理工大学学报(自然科学版)2018年第7期
重庆理工大学学报(自然科学版)2018年第6期
重庆理工大学学报(自然科学版)2018年第5期
重庆理工大学学报(自然科学版)2018年第4期
重庆理工大学学报(自然科学版)2018年第3期
重庆理工大学学报(自然科学版)2018年第2期
重庆理工大学学报(自然科学版)2018年第12期
重庆理工大学学报(自然科学版)2018年第11期
重庆理工大学学报(自然科学版)2018年第10期
重庆理工大学学报(自然科学版)2018年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号