典型文献
一种基于轻量级堆叠沙漏网络的机械臂姿态估计方法
文献摘要：
现有的机械臂姿态估计方法通常只考虑如何改进模型的泛化能力,而忽略了模型的效率,因此在实际应用中,开发出的模型参数量和计算量过大.为了解决此问题,本文提出一种新的基于Ghost模块的堆叠沙漏网络(Ghost Module-Based Stacked Hourglass Network,Ghost-SHN).Ghost-SHN 以堆叠沙漏网络(Stacked hourglass Network,SHN)为基础,构建了 具有两个堆的堆叠沙漏网络,并通过把堆叠沙漏网络中的普通卷积替换成轻量的Ghost模块来压缩模型,能够更好地在机械臂上进行部署,实现了轻量级的机械臂姿态估计.四个典型数据集上的实验结果表明,Ghost-SHN相比同类模型,不仅减少了参数量和计算量,而且泛化性能很好,取得了比堆叠沙漏网络更好的精度.
文献关键词：
机械臂姿态估计;关键点检测;堆叠沙漏网络;Ghost模块;模型压缩
中图分类号：
作者姓名：
王琦;郑飂默;王诗宇;刘信君;郭威
作者机构：
中国科学院大学,北京100049;中国科学院沈阳计算技术研究所,沈阳110168;沈阳中科数控技术股份有限公司,沈阳110168;盐城师范学院信息工程学院,江苏盐城224002
文献出处：
引用格式：
[1]王琦;郑飂默;王诗宇;刘信君;郭威-.一种基于轻量级堆叠沙漏网络的机械臂姿态估计方法)[J].小型微型计算机系统,2022(11):2370-2374
A类：
机械臂姿态估计
B类：
轻量级,堆叠沙漏网络,估计方法,如何改进,改进模型,泛化能力,模型参数量,计算量,量过大,Ghost,Module,Based,Stacked,Hourglass,Network,SHN,hourglass,替换成,压缩模型,行部,泛化性能,关键点检测,模型压缩
AB值：
0.204386
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
