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

1、機(jī)器人發(fā)展經(jīng)歷幾十年，從早期實(shí)現(xiàn)機(jī)械控制到現(xiàn)在已具有簡(jiǎn)單識(shí)別能力的智能機(jī)器人，但機(jī)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(jī)器人只能識(shí)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(jìn)步，但圖像的智能處理技術(shù)仍然進(jìn)展緩慢，已有的圖像識(shí)別、匹配算法的性能遠(yuǎn)不能達(dá)到“類人”的性能。因此，各個(gè)發(fā)達(dá)國家都進(jìn)行具有真正視覺和智能的機(jī)器人研究。如果希望圖像識(shí)別技術(shù)能有較大程度地提高，仿生學(xué)是一個(gè)很好的捷徑

2、。由于生物視覺系統(tǒng)的復(fù)雜性以及對(duì)圖像處理、圖像識(shí)別的高效性，很多研究者著力于研究動(dòng)物甚至人類大腦的視覺系統(tǒng)。 針對(duì)以上問題，本文在以下幾個(gè)方面進(jìn)行了工作與創(chuàng)新性的探索。 (1)對(duì)自主發(fā)育機(jī)器人進(jìn)行了帶有實(shí)時(shí)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(jiǎn)化，形成能在簡(jiǎn)單的機(jī)器人平臺(tái)上實(shí)現(xiàn)的帶有實(shí)時(shí)視覺特征學(xué)習(xí)的機(jī)器人視覺發(fā)育的簡(jiǎn)化系統(tǒng)。 (2)提

3、出一種具有實(shí)時(shí)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(duì)外界圖像的視覺特征，對(duì)不同位置和尺度的感興趣目標(biāo)，都可找到它在場(chǎng)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(shí)別分類算法，實(shí)現(xiàn)機(jī)器人對(duì)目標(biāo)的識(shí)別和認(rèn)知，把它應(yīng)用在機(jī)器人視覺上，工程上實(shí)現(xiàn)了機(jī)

4、器人對(duì)感興趣的目標(biāo)進(jìn)行實(shí)時(shí)跟蹤。 (4)引入基于顯著性特征的注意力選擇(Saliency-BasedVisualAttention)機(jī)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(duì)原有的NNSMOR網(wǎng)絡(luò)結(jié)構(gòu)作了進(jìn)一步改進(jìn)，在實(shí)驗(yàn)中證明改進(jìn)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