[发明专利]用于机器人的物体识别方法、电子设备、介质和程序产品

权利要求书

1.一种用于机器人的物体识别方法，其特征在于，包括：

获取机器人采集的待识别物体图像；

将所述待识别物体图像输入至物体识别模型，进行物体类别预测，获得所述物体识别模型输出的物体类别，所述物体识别模型是基于度量学习训练得到的。

2.根据权利要求1所述的用于机器人的物体识别方法，其特征在于，还包括所述物体识别模型的训练方法：

获取训练样本数据，所述训练样本数据包括通过机器人拍摄得到的样本物体图像及其对应的物体类别标签；

采用所述训练样本数据和预设损失函数，对待训练模型进行训练，得到物体识别模型，所述预设损失函数由分类损失函数和度量学习对应的度量损失函数聚合处理得到。

3.根据权利要求2所述的用于机器人的物体识别方法，其特征在于，所述度量损失函数包括中心损失函数和判别损失函数；

所述中心损失函数，用于缩小所述训练样本数据中同类别的样本物体图像之间的相似度距离；

所述判别损失函数，用于扩大所述训练样本数据中不同类别的样本物体图像之间的相似度距离。

4.根据权利要求3所述的用于机器人的物体识别方法，其特征在于，所述中心损失函数是基于所述训练样本数据中一批量所述样本物体图像的各特征向量和所述一批量样本物体图像的特征向量均值之间的相似度距离确定的。

5.根据权利要求3所述的用于机器人的物体识别方法，其特征在于，所述判别损失函数是基于目标样本物体图像的特征向量和所述目标样本物体图像对应类别的特征向量均值之间的标准欧式距离，以及非目标样本物体图像的特征向量和所述非目标样本物体图像对应类别的特征向量均值之间的标准欧式距离确定的；

所述目标样本物体图像为所述训练样本数据中当前输入所述待训练模型的物体图像，所述目标样本物体图像对应类别的特征向量均值为一批量所述样本物体图像中所述目标样本物体图像对应的物体类别标签对应的多个样本物体图像的特征向量均值；

所述非目标样本物体图像为所述一批量样本物体图像中排除所述目标样本图像的物体图像，所述非目标样本物体图像对应类别的特征向量均值为所述一批量样本物体图像中所述非目标样本物体图像对应的物体类别标签对应的多个样本物体图像的特征向量均值。

6.根据权利要求2所述的用于机器人的物体识别方法，其特征在于，在所述采用所述训练样本数据和预设损失函数，对待训练模型进行训练，得到物体识别模型之后，还包括：

将测试样本数据输入至所述物体识别模型，进行特征提取，获得所述测试样本数据中测试物体图像对应的第一特征向量，所述测试物体图像为通过机器人拍摄得到的物体图像；

将支撑样本数据输入至所述物体识别模型，进行特征提取，获得所述支撑样本数据中支撑物体图像对应的第二特征向量，所述支撑样本数据包括通过机器人拍摄得到的所述支撑物体图像及其对应的物体类别标签；

对所述第一特征向量和所述第二特征向量进行余弦相似度计算，获得余弦相似度计算结果，所述余弦相似度计算结果用于测试所述物体识别模型。

7.根据权利要求1至6任一项所述的用于机器人的物体识别方法，其特征在于，所述将所述待识别物体图像输入至物体识别模型，进行物体类别预测，获得所述物体识别模型输出的物体类别，包括：

基于所述物体识别模型的特征提起器，对所述待识别物体图像进行特征提取，获得图像特征向量，所述特征提取器包括多个残差块，一所述残差块包括卷积层、批量标准化层和激活函数；

基于所述物体识别模型的全连接层，对所述图像特征向量进行类别预测，获得所述物体识别模型输出的物体类别。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述用于机器人的物体识别方法的步骤。