基于生物視覺學(xué)習(xí)機制的神經(jīng)網(wǎng)絡(luò)及其在機器人視覺上的應(yīng)用.pdf

1、機器人發(fā)展經(jīng)歷幾十年，從早期實現(xiàn)機械控制到現(xiàn)在已具有簡單識別能力的智能機器人，但機器人的視覺與人的視覺依然相差很遠(yuǎn)，大多數(shù)帶攝像系統(tǒng)的機器人只能識別顏色。雖然目前圖像的處理技術(shù)，如編碼、壓縮、分割、降噪等方面的研究已有了長足的進步，但圖像的智能處理技術(shù)仍然進展緩慢，已有的圖像識別、匹配算法的性能遠(yuǎn)不能達(dá)到“類人”的性能。因此，各個發(fā)達(dá)國家都進行具有真正視覺和智能的機器人研究。如果希望圖像識別技術(shù)能有較大程度地提高，仿生學(xué)是一個很好的捷徑

2、。由于生物視覺系統(tǒng)的復(fù)雜性以及對圖像處理、圖像識別的高效性，很多研究者著力于研究動物甚至人類大腦的視覺系統(tǒng)。 針對以上問題，本文在以下幾個方面進行了工作與創(chuàng)新性的探索。 (1)對自主發(fā)育機器人進行了帶有實時視覺特征學(xué)習(xí)的探索，在研究了增量獲取圖像特征和自主發(fā)育算法的基礎(chǔ)上，把視覺特征抽取和自主發(fā)育結(jié)合在一起，通過一定的簡化，形成能在簡單的機器人平臺上實現(xiàn)的帶有實時視覺特征學(xué)習(xí)的機器人視覺發(fā)育的簡化系統(tǒng)。 (2)提

3、出一種具有實時特征學(xué)習(xí)的、模擬生物視覺多尺度交疊感受野的神經(jīng)網(wǎng)絡(luò)(NeuralNetworkSimulatingMulti-scaleOverlappingReceipt-field，NNSMOR)，通過無監(jiān)督的學(xué)習(xí)獲得對外界圖像的視覺特征，對不同位置和尺度的感興趣目標(biāo)，都可找到它在場景中的位置。 (3)把NNSMOR網(wǎng)絡(luò)的視覺學(xué)習(xí)結(jié)合有監(jiān)督學(xué)習(xí)的識別分類算法，實現(xiàn)機器人對目標(biāo)的識別和認(rèn)知，把它應(yīng)用在機器人視覺上，工程上實現(xiàn)了機

4、器人對感興趣的目標(biāo)進行實時跟蹤。 (4)引入基于顯著性特征的注意力選擇(Saliency-BasedVisualAttention)機制，作為多尺度交疊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和觀察的預(yù)處理模塊，并在此基礎(chǔ)上對原有的NNSMOR網(wǎng)絡(luò)結(jié)構(gòu)作了進一步改進，在實驗中證明改進后的模型比原有視覺學(xué)習(xí)、認(rèn)知網(wǎng)絡(luò)模型比有更大的優(yōu)越性。 (5)把基于顯著性特征的注意力選擇和NNSMOR網(wǎng)絡(luò)的特征提取結(jié)合，在兩階段學(xué)習(xí)的基礎(chǔ)上提出了一種帶有學(xué)習(xí)認(rèn)知的