《表1 对比实验:一种服务机器人选择性认知方法》
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.
图表编号 | XD0030224300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.20 |
作者 | 陈焕朝、田国会 |
绘制单位 | 山东大学控制科学与工程学院、山东大学控制科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |