《表1 对比实验：一种服务机器人选择性认知方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种服务机器人选择性认知方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在此基础上与传统的R-CNN和Fast R-CNN神经网络检测方法进行了对比实验.选择实验场景中20种常见物品（包括电视、微波炉和杯子等）进行实验，实验结果如表1所示.在识别准确率和识别时间常见指标基础上引入了平均识别数，即实验中每次物品检测获取到物品数（即物品框数）的平均值.由于本文所提出的选择性认知方法采用兴趣区域进行引导，因此显著性较高.被挑选出来的任务关联的区域用于神经网络检测过程，输出的识别数相对较少，大量无关的区域被主动过滤.同时识别的准确率优于R-CNN和Fast R-CNN算法，识别所需的时间也比R-CNN和Fast R-CNN算法少，由此证明本文所提出的算法可以有效提高认知效率.