[发明专利]一种机器人目标识别方法、系统、装置和存储介质

权利要求书

1.一种机器人目标识别方法，其特征在于，包括：

制作图像数据集；

对所述图像处理集进行预处理；

构建网络模型，所述网络模型用于识别所述图像数据集的图像数据；

利用所述图像数据集训练所述网络模型；

识别目标，从所述图像数据集选取一个测试样本输入到所述网络模型中，输出识别结果。

2.根据权利要求1所述的一种机器人目标识别方法，其特征在于，所述图像数据集包括用于训练网络模型的训练验证集和用于测试网络模型的测试集。

3.根据权利要求1所述的一种机器人目标识别方法，其特征在于，所述对所述图像处理集进行预处理，包括：

调整接收到的图像的大小，得到归一化的格式图像；

对所述归一化的格式图像进行滤波处理，得到滤波图像；

对所述滤波图像进行图像增强处理，得到增强图像。

4.根据权利要求1所述的一种机器人目标识别方法，其特征在于，所述构建网络模型包括：

构建第一标准卷积层，所述第一标准卷积层的卷积核大小为3*3，所述第一标准卷积层的步长为2，所述第一标准卷积层的卷积核的数目为32，所述第一标准卷积层的边缘用0填充；

设置循环变量Times并初始化所述循环变量Times＝1；

执行循环体；

所述循环变量Times自增1，判断Times是否大于13，如果Times不大于13，重复执行所述循环体，如果Times大于13,不执行所述循环体；

构建池化层，将得到的特征图进行平均池化处理，下采样的窗口大小为4，步长为2，经过所述池化层后输出1024张特征图，大小为1*1；

构建Dropout层；

构建全连接层，使用1024个神经元对经过所述池化层下采样处理后的特征图进行全连接，将特征图转换为一维的特征向量；

构建Softmax分类器，输出识别结果。

5.根据权利要求4所述的一种机器人目标识别方法，其特征在于，所述构建循环体包括：

构建第一深度可分离卷积层，所述第一深度可分离卷积层卷积核的大小为3*3，所述第一深度可分离卷积层步长为1，所述第一深度可分离卷积层卷积核的数目为32，所述第一深度可分离卷积层边缘用0填充，所述第一深度可分离卷积层与所述第一标准卷积层连接；

构建第一逐点卷积层，所述第一逐点卷积层的卷积核大小为1*1，所述第一逐点卷积层的步长为1，所述第一逐点卷积层的卷积核数目为64，所述第一逐点卷积层的边缘用0填充，所述第一逐点卷积层与所述第一深度可分离卷积层连接；

构建第一平均池化层，用于聚合空间维度信息，所述第一平均池化层下采样处理后得到第一特征描述，所述第一平均池化层与所述第一逐点卷积层连接；

构建第一最大池化层，用于聚合空间维度信息，所述第一最大池化层下采样处理后得到第二特征描述，所述第一最大池化层与所述第一逐点卷积层连接；

构建多层感知器，所述第一特征描述和所述第二特征描述输入到所述多层感知器，生成特征向量，所述多层感知器与所述第一平均池化层连接，所述多层感知器与所述第一最大池化层连接；

构建第一相加层，通过元素求和的方式把所述第一特征描述和所述第二特征描述相加，生成通道注意力图，所述第一相加层与所述多层感知器连接；

构建第一相乘层，用于自适应学习所述图像的特征，通过元素相乘的方式把所述第一逐点卷积层的输出和所述通道注意力图相乘。