远程智能感知系统用于多对象检测
Abdulwahab Alazeb1, Bisma Riaz Chughtai2, Naif Al Mudawi1
1Department of Computer Science, College of Computer Science and Information System, Najran University, Najran, Saudi Arabia.
Frontiers in neurorobotics
|June 4, 2024
概括
这项研究引入了一个用于机器人环境的新型场景识别框架,在PASCALVOC-12数据集上达到96%以上的准确性,在Cityscapes数据集上达到95.90%. 这种先进的模型增强了机器人导航和自动驾驶系统.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 最近视觉传感器技术的进步增加了对机器人环境场景分类的兴趣.
- 对象检测和场景理解对于增强现实,机器人导航,自动驾驶和旅游应用至关重要.
- 挑战包括语义理解,遮蔽,数据稀缺,照明变化和对象尺度差异.
研究的目的:
- 提出一个创新的场景识别框架,以应对机器人环境图像分析的现有挑战.
- 为了提高不同机器人应用场景分类的准确性和稳定性.
主要方法:
- 使用内核卷积进行预处理.
- 通过UNet进行语义细分.
- 使用离散波量变换 (DWT),索贝尔,拉普拉斯和本地二进制模式分析进行特征提取.
- 用深度信念网络和对象对象关系分析进行对象识别.
- 使用AlexNet.net进行场景标记.
主要成果:
- 该框架在PASCALVOC-12数据集上实现了超过96%的准确性.
- 在Cityscapes数据集上获得了95.90%的准确率.
- 该模型在Caltech 101数据集上显示了92.2%的准确性.
结论:
- 拟议的场景识别框架非常有效,并产生了显著的结果.
- 该模型代表了超越当前场景识别能力的值得注意的进步.
- 该框架显示了改善机器人感知和自主系统的巨大潜力.
