浙江大学：基于深度学习的小物体识别算法

2017年06月30日
50 金币

本课题面向盲人辅助设备开发物体识别算法。目前在全世界，视力残疾患者数量达到了 2.85 亿，而开发识别算法的目的在于帮助盲人轻松找到周围的常用物品，方便生活。但是由于图像中的背景环境复杂，物体本身多变等因素，物体识别一直非常困难，目前世界顶尖的物体识别算法大多采用深度学习的方式实现。本文中算法基于 Darknet 深度学习框架以及 YOLOv2 物体识别框架开发，使用具有 9 层卷积层的卷积神经网络作为模型，并自行构建包含 8 类物体的图像数据库用于训练神经网络。使用 RealSense R200 获取彩色图和视野中环境的三维信息，并将识别到物体的二维位置映射到空间中，最后使用语音播报出识别到的物体种类和空间位置。