一种基于小样本度量学习的机器人视觉认知系统技术方案

本发明专利技术公开了一种基于小样本度量学习的机器人视觉认知系统，包括：图像采集增强模块，负责获取图像信息并改善图像的质量，提高图像的判读和识别效果；特征映射模块，负责将输入的图像映射到一个能够更好区分类别的特征空间；原型特征总结模块，负责为每个类别的物体总结出一个整体特征原型，同时保存记录下每个类别原型信息加入到数据库中；分类查询模块，负责根据输入的特征和查询到的每个类别原型信息来完成分类的工作，并维护每个类别的特征原型信息。本发明专利技术可帮助机器人仅通过少量的图像数据就学习到对新类别的分类，不仅能够完成对数据库中已经定义的物体的快速识别分类，还能够适应对数据库中已经未定义的物体的快速识别分类。

A Robot Visual Cognition System Based on Small Sample Metric Learning

The invention discloses a robot vision cognitive system based on small sample metric learning, which includes: image acquisition and enhancement module, which is responsible for acquiring image information and improving image quality, improving image interpretation and recognition effect; feature mapping module, which is responsible for mapping input image to a feature space that can better distinguish categories; prototype feature summary module, which is responsible for: Objects of each category summarize a whole feature prototype, and save and record the prototype information of each category and add it to the database. Classification query module is responsible for completing the classification work according to the input features and the prototype information of each category queried, and maintaining the prototype information of each category. The invention can help robots learn to classify new categories through only a small amount of image data. It can not only accomplish fast recognition and classification of objects defined in the database, but also adapt to fast recognition and classification of objects not defined in the database.

【技术实现步骤摘要】
一种基于小样本度量学习的机器人视觉认知系统
本专利技术涉及机器人视觉的
，尤其是指一种基于小样本度量学习的机器人视觉认知系统。
技术介绍
学习是人类所具有的一项十分重要的能力，是人类智能的表现，特别是人类学习具有的举一反三的能力，能够从少量样本中思考得到具有泛化意义的经验总结，而不是单纯机械的模仿重复。而目前在深度学习领域中，随着应用场景的不断丰富和扩展，人们越来越面临学习样本的不足，所以如何让深度学习模型获得类似人类的从小样本中学习的举一反三的能力，成为了一个重要的研究方向，即小样本学习领域。而基于度量的学习就是小样本学习研究的一个具有代表性的方法，基于度量的学习方法，它的学习目标是从数据源中构建一个新的特征空间，在这空间中每个类别都能够很好的被区分开来。机器人由于其工作环境的复杂，完成任务的多样性，对机器人视觉认知系统提出了更进一步的智能化要求。而将小样本学习与机器人视觉认知系统相结合，能够赋予机器人仅从少量的训练样本中学会分类以前未训练过的新类别的能力，同时可以避免重新训练模型，减少了时间和资源的消耗。这对于机器人认知系统提高鲁棒性及减少后期扩展维护成本具有重要的意义。专本文档来自技高网...

【技术保护点】
1.一种基于小样本度量学习的机器人视觉认知系统，其特征在于，包括：图像采集增强模块，负责获取图像信息并改善图像的质量，提高图像的判读和识别效果；特征映射模块，负责将输入的图像映射到一个能够更好区分类别的特征空间；原型特征总结模块，负责为每个类别的物体总结出一个整体特征原型，同时保存记录下每个类别原型信息加入到数据库中；分类查询模块，负责根据输入的特征和查询到的每个类别特征原型信息来完成分类的工作，并维护每个类别的特征原型信息。

【技术特征摘要】
1.一种基于小样本度量学习的机器人视觉认知系统，其特征在于，包括：图像采集增强模块，负责获取图像信息并改善图像的质量，提高图像的判读和识别效果；特征映射模块，负责将输入的图像映射到一个能够更好区分类别的特征空间；原型特征总结模块，负责为每个类别的物体总结出一个整体特征原型，同时保存记录下每个类别原型信息加入到数据库中；分类查询模块，负责根据输入的特征和查询到的每个类别特征原型信息来完成分类的工作，并维护每个类别的特征原型信息。2.根据权利要求1所述的一种基于小样本度量学习的机器人视觉认知系统，其特征在于：所述图像采集增强模块通过装配在机器人上的摄像头获取待识别图像，然后进行图像增强工作，包括以下步骤：1.1)图像归一化图像归一化将采集到的图像转成标准模式，防止仿射变换和几何变换的影响，同时能够加快网络梯度下降的速度，给定均值(mR,mG,mB)和标准差(dR,dG,dB)，每个通道的像素cX将按照下列公式进行归一化，其中X表示对应通道：1.2)图像旋转扩增先将图像大小转换为224*224，然后对图像进行[30,60,90,120,180]度旋转，得到旋转后图像[P1,P2,P3,P4,P5]和原图P0共获得6张查询图片，组成输入网络的张量，其大小为6*224*224。3.根据权利要求1所述的一种基于小样本度量学习的机器人视觉认知系统，其特征在于：在所述特征映射模块中，图像经过一个特征提取网络FeatureExtractNet，得到1024维的特征表示，具体如下：a、主要网络操作网络基础模块包括BlockA即模块A和BlockB即模块B，网络基础模块中包含的操作有通道分割ChannalSplit、普通卷积Conv、深度可分类卷积DWConv、通道合并Concat、批标准化操作BN和非线性激活单元ReLU，具体如下：通道分割ChannalSplit：将输入的张量进行通道分割，一部分直接输出，一部分进行卷积运算后输出；普通卷积Conv：卷积核大小为1×1的一般卷积，用于降维和进行通道间信息交互；深度可分离卷积DWConv：卷积核大小3×3的深度可分离卷积，先对每一个通道进行各自的卷积操作，再对得到新的通道特征图使用1×1卷积进行特征融合；通道合并Concat：将多个张量进行合并；批标准化操作BN：对数据进行归一化，使其均值变为0，方差变为1，用于缓解网络训练中的梯度消失/爆炸现象，加快模型的训练速度；非线性激活单元ReLU：其公式表达为：X＝max(X,0)式中，X为输入的张量，max为取最大值运算；b、特征提取网络FeatureExtractNet网络结构特征提取网络Fea...

【专利技术属性】
技术研发人员：毕盛，王永兴，董敏，黎潇潇，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44