一种基于深度学习网络的目标识别方法及带电作业机器人

摘要

本发明提出一种基于深度学习网络的目标识别方法及带电作业机器人，初始化卷积神经网络中各层的权值和偏置，输入二维图像数据，进行卷积处理获得C1层数据；对C1层数据进行最大池化处理，减小数据的大小，获得S2层数据；对S2层数据进行卷积处理，获得C3层数据；对C3层数据进行最大池化处理，进一步减小数据大小，获得S4层数据；对S4层数据进行卷积处理，形成C5层数据；将C5层数据作为输入，与H6层完全连接，输出层与H6层完全连接，输出对目标特征的学习结果；运用反向传播算法进行权值和偏置的微调，完成网络的学习。本发明在复杂背景下，目标识别率高，鲁棒性好。