邓绘梅

(中共安庆市委党校,安徽 安庆246000)

0 引 言

随着我国科技水平的不断提高,机器人已广泛应用于服务业、制造业等各个领域中,而我国电子信息、人机交互等技术也在促进着机器人的不断创新与优化。在机器人工作的过程中,其对工作场景的感知与理解极为重要,唯有充分获取到场景中的视觉信息,机器人才可进行信息的识别处理、打造场景中的事物空间层次等一系列作业,进而提供更为优质的各项服务[1]。DSC-SSD算法是一种优化的基于卷积神经网络的目标检测算法,能够通过深度学习、网络模型训练等方式,在目标检测中展现其较高的检测精度[2]。因此实验中将重点探究DSC-SSD目标检测算法、图像语义分割等相关技术,并将其应用至政务服务机器人的场景理解中,旨在提高服务机器人的场景理解能力。

1 DSC-SSD目标检测算法与图像处理技术

1.1 DSC-SSD算法的网络结构与模型训练

SSD是一种目标检测算法,采用在不同层级中进行图像识别的方式,来检测并获取到相应的图像特征[3]。SSD有效结合了大尺度特征图与小尺度特征图,可有效扩大目标检测的范围,在一定程度上规避漏检、检测效果较差、检测召回率较低等风险[4]。SSD算法的目标检测原理如图1所示。

图1 SSD算法的目标检测原理示意图

图1 (a)中表现出在面对狗与猫等不同的目标 检测对象时,SSD会采用根据其形状特征来选择不同的先验框,进而实现后期的模型训练,在数据集制作的过程中,分别代表狗与猫的两个矩形区域将迅速生成。……