基于LZG-Net的机械手触觉识别和分类

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：准确识别物体类别和触觉信号对于机械手实现软抓取控制至关重要。为此，提出了一种用于嵌入式设备的轻量级金字塔神经网络（LZG-Net）模型，用于处理机械手抓取物体时的振动信号。LZG-Net模型以Ghost 模块为基础，采取卷积核逐层递减的卷积策略。针对注意力机制SE模块在一些嵌入式设备上无法部署的问题进行改进，并通过知识蒸馏、算子优化和量化操作提高模型在嵌入式系统上的准确率。（剩余10072字）

试读结束

目录
monitor