安 凤 平
(淮阴师范学院 物理与电子电气工程学院,江苏 淮安 223300)
(北京理工大学 信息与电子学院,北京 100081)
物流仓储物体实时检测属于物体检测的范畴,它的主要任务是提取得到物流仓储物体的位置信息和类别信息.因此,能否快速、准确地识别和抓取物流仓储的物体是当前面临的巨大挑战[1].传统的物体识别算法主要有:Csurka 等人[2]提出了一种贝叶斯和支持向量机的融合方法,并利用该方法对物体进行分类,但是该物体分类效果较低.Yang 等人[3]提出了基于稀疏编码进行物体分类方法,但是该方法需要建立足够可信的稀疏集.Ning等人[4]提出了一种基于结构化支持向量机的方法,它在对象跟踪基准测试中表现较好的分类性能.但是,复杂的优化方法限制了它们在实际应用中的部署.Alhalah等人[5]提出了一种层次化模型进行物体分类识别,在实际应用中取得了较好的效果.但是该方法的自适应性能较弱.Gualdi 等人[6]提出了一种新的多级粒子窗口搜索方法.虽然该方法取得了较好的应用效果,但存在较难收敛的问题.传统的物体识别算法在某些应用场景下,尽管取得了一定的效果,但是存在识别精度低、自适应能力弱等问题.这一缺点被Hinton在2006年提出的深度学习(Deep Learning)技术所打破[7].深度学习技术[8]由于具有高度的特征提取能力,它已经被应用到计算机视觉[9]、图像分类[10]等领域.鉴于此,很多学者将其引入到物体识别领域中.在物体分类方面主要有:Alex在2012年的ILSVRC会……