【机器人物体的检测与识别概述3600字】

机器人物体的检测与识别概述 1 1 3 4 5 7法主要是对图像提取如HOG等人工设计的特征，使用支持向量机等方法对提取的方法逐渐被深度学习所取代。深度学习方法利用卷积1.1卷积神经网络卷积神经网络(CNN)是现代基于深度学习的机器视觉算法基础，它在2012进行卷积运算，提取到信号中具有代表性的特征。卷积层如图1.1所示，卷积核的数量，W和H代表卷积核的大小，Co代表卷积核的数量，同时也是本层输数是ReLU函数及其变种，使用ReLU激活函数的网络通常可以设计的很深，进等操作，增加网络学习的速度和质量。在CNN中广泛使用的归一化形式有局部响应归一化LRN、批归一化BN[67]、层归一化LN、权重归一化WN等。在这些操作中，批归一化BN是最为常用的。该方法是在网络训练时，利用一个批次的数据来估算卷积操作输出的均值μB和方差σ²,式1.1和1.2分别表示计算一个批次数据的卷积层输出均值和方差，式1.3行合并，结果如下。式1.5表示卷积运算，式1.6与1.7表示的是与BN层效果合池化也被称为下采样，与卷积运算类似的，池化层也选定一个核在特征图上按步长滑动，通常有最大值池化或者平均值平均值池化等操作。通过池化操作可以降低特征图的维度并且在一定成度上避免网络的过拟合，提高深度神经网络的运算速度。1.2物体语义标注基于深度学习方法，深度神经网络可以实现获取图像中的物体位置信息等效果。根据获取的信息形式，可以有以下几种类别，分别是目标检测，语义分割以及实例分割。如图1.3(a)所示，目标检测最为简单，通常生成的是包含物体的类型信息的矩形框。通过目标检测可以获得环境的高层次语义信息，但其也有一定的局限性，最大的缺陷在于矩形框无法直接分割物体，框内不可避免地引入了部分背景图片，这些背景信息在后续地处理工作中需要被去除。而语义分割实现了像素级的分类任务，分割出的掩模和物体对应，更适合后期的地图重建任务。但是如图1.3(b)所示，所有的羊被分为同一类，语义分割无法区分同一种类下的不同物体。实例分割在此基础上对同一类别下的不同物体进行了区分，在图1.3(c)中，可以看出实例分割将每只羊都区分开。(a)目标检测(b)语义分割(c)实例分割近年来，深度学习方法就被广泛运用于图像分类，语义分割等领域。谷歌于2014年提出Deeplab算法，将深度卷积神经网络(DCNNs)以及概率图模型 过多次优化与改进，去除了基于CRF的后处理过程，改用更容易理解的编码解如图1.4所示。编码区提取图像的深度特征信息，有效的特征提取是实现高精度网络(DeepConvolutionNeuralNetwork,DCNN)、带有空洞卷积池化模块(AtrousSpatialPyramidPooling,ASPP),ASPP作用是进一步优化DCNN提取的深度特征图的作用。解码区将深度特征图上采样，并与浅层特征特征图进行多尺度的信息提取。对于输入特征为x,卷积核为w,膨胀率为r的其中，k为卷积核的尺寸。与常规的卷积核相比，当膨胀率为1时，空洞卷积与常规的卷积等价；当膨胀率大于1时，空洞卷积将感受野扩大。ASPP的结构如图1.6所示，ASPP利用卷积核对特征提取网络进行降维，将2048个通道的原始特征图降维到256个通道，再分别利用膨胀率为6、12、18的3×3卷积核对降维后的特征图进行卷积，得到3个感受野不同的特征图(每个特征图的通道数为256)。随着膨胀率的增加，卷积核的作用会逐渐减弱，当膨胀卷积的卷积核尺寸与特征图尺寸相同时，3×3卷积核的实际功能等价于1×1卷积核，此时只有卷积核的中心在起作用。因此，DeeplabV3网络的ASPP模块在特征图的基础上沿通道方向对特征图进行池化，对特征图进行平均池化，即最终得到的特征值为该像素位置上所有通道特征值的平均值。此外，DeeplabV3网络还在ASPP中添加了一个利用1×1卷积核对得到的特征图进行卷积，将结果增加到后续操作中。最终，ASPP网络输出5个特征图，并将这些特征图沿通道方向进行合并，最终利用卷积操作将通道转换，最终得到尺度为256×33×33的特征图输出。随着计算机性能的提升，大多数深度学习算法都是基于卷积神经网络结构而提出。深度学习技术的进步通常是使用更深的网络结构来构建更复杂的网络模型，最终实现更加复杂的功能，但该方法会带来模型占用空间变大，网络运行速度变慢等缺点。Deeplabv3+采用深度可分离结构的Xception[68]卷积网络提取特征。该方法的模型占用空间较大，运行速度较慢。随着神经网络边缘计算的兴起，神经网络在移动机器人等嵌入式设备中的需求大量增加，然而大型网络难以在这些算力有限的小型平台上运行。因此，一种小型化的、在精度和速度上取得平衡的网络模型受到学者们的广泛重视。Mobile-Net是Google公司提出的一个小型的特征提取网络，并在后续的过程中进行了一些改进。Mobile-Net利用通道分离卷积(Depth-WiseConvolution,也称为深度可分解的卷积)代替通常的卷积，降低了网络的大小和计算量，在模型的体积和计算能力上取得了平衡。与通常的卷积不同，通道分离卷积中每个卷卷积)对输出进行合并以变换通道输出数量，最后结合残差网络(ResNet)思想，使得网络可以提取到更深层次的本质特征，更具有鲁棒性。卷积操作如下图1.6图1.6普通卷积和通道分离卷积如图1.6所示，其中左图为通常卷积，其中DK为卷积核尺寸，M为卷积核的深度，即上一层网络输出的通道数，N为卷积核的数量。特征图的尺寸为W和H,则该卷积计算量如式1.9所示。图1.6中的右图为通道分离卷积结构，该结构中的所有卷积核的深度都为1,且每个卷积核只有一个输入卷积得到一个输出，输出通道数量等于输入通道数量式1.10所示。当输出通道数量较多时，采用通道分离卷积的方式下算法的计算量明显降低。Mobile-Net及其改进版本的结构如下图1.7所示。输入输入输入输入叠加图中输入特征先经过点卷积降低通道数量，并通过ReLu激活函数输出，最1.5Mobile-Net改进的DeepLab图像分割算法神经网络更好地服务于移动端。改进的整体网络结构如图1.8所示。采用Mobi