首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的物体检测和抓取技术研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-19页
    1.1 课题研究的背景和意义第9-11页
    1.2 国内外研究现状第11-17页
        1.2.1 基于深度学习的图像目标检测研究现状第11-13页
        1.2.2 机器人抓取技术的研究现状第13-17页
    1.3 本文的主要研究内容第17-19页
第2章 基于深度学习的物体检测网络的建立第19-38页
    2.1 引言第19页
    2.2 关于卷积神经网络的基本原理第19-26页
        2.2.1 卷积函数第19-21页
        2.2.2 激活函数第21-23页
        2.2.3 优化方法第23-25页
        2.2.4 训练深度学习网络的技巧第25-26页
    2.3 基于深度学习的物体检测网络模型建立与训练第26-33页
        2.3.1 建立物体检测的网络模型第26-29页
        2.3.2 从虚拟环境中收集训练数据第29-32页
        2.3.3 训练物体识别网络模型第32-33页
    2.4 实验及实验结果分析第33-37页
        2.4.1 试验平台及实验过程介绍第33-34页
        2.4.2 实验结果分析第34-37页
    2.5 本章小结第37-38页
第3章 基于卷积神经网络的抓取网络的建立第38-54页
    3.1 引言第38页
    3.2 建立抓取物体的数学模型及其卷积网络模型第38-43页
        3.2.1 建立抓取物体的数学模型第38-40页
        3.2.2 建立抓取物体的卷积网络模型第40-41页
        3.2.3 基于主成分分析法的末端姿态调整第41-43页
    3.3 收集训练数据以及训练网络第43-49页
        3.3.1 从现实环境中获取训练数据第43-48页
        3.3.2 从虚拟环境中获取训练数据第48页
        3.3.3 数据处理与训练抓取网络模型第48-49页
    3.4 测试抓取网络准确率第49-53页
        3.4.1 虚拟环境下的实验第49-51页
        3.4.2 现实环境下的实验第51-53页
    3.5 本章小结第53-54页
第4章 实验平台搭建及实验研究第54-67页
    4.1 引言第54页
    4.2 实验平台搭建第54-62页
        4.2.1 仿真实验平台的搭建第54-56页
        4.2.2 实体试验平台搭建第56-62页
    4.3 多物体的抓取实验第62-66页
        4.3.1 实验平台介绍第63-64页
        4.3.2 实验过程及实验结果第64-66页
    4.4 本章小结第66-67页
结论第67-69页
参考文献第69-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:基于Ranked Pairs社会选择理论的在线服务评价研究与实现
下一篇:基于深度学习的情感智能回复生成的设计与研究