[發明專利]基于高斯混合噪聲生成式對抗網絡的物體硬度識別方法

有效

• 申請號: 201811328795.3
• 申請日: 2018-11-09
• 公開（公告）號: CN109508740B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 王慰;錢曉亮;趙素娜;李二凱;曾黎;王延峰;楊存祥;毋媛媛;吳青娥
• 申請（專利權）人: 鄭州輕工業學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G01N3/40
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 陳勇

1.基于高斯混合噪聲生成式對抗網絡的物體硬度識別方法，其特征在于，包括：

步驟1：以小規模標注硬度等級的觸覺數據作為真值，訓練高斯混合噪聲生成式對抗網絡，將高斯混合噪聲輸入所述高斯混合噪聲生成式對抗網絡，獲取大規模生成樣本；

步驟2：以高斯混合噪聲生成式對抗網絡的判別器的參數作為硬度識別網絡的參數的初值，利用所述大規模生成樣本對硬度識別網絡進行預訓練，使用標注硬度等級的觸覺數據對硬度識別網絡進行再次訓練，確定硬度識別網絡的參數的最終值；

步驟3：將待預測的觸覺數據輸入硬度識別網絡，獲得所述待預測的觸覺數據的硬度等級；

所述步驟1包括：

步驟1.1：用機械臂前端的傳感器碰觸目標物體，采集觸覺數據，將采集的觸覺數據依據其硬度物理屬性劃分為L個硬度等級，并標注相應的標簽為1、2、3、…、L，獲得L類標注硬度等級的觸覺數據；

步驟1.2：將L類標注硬度等級的觸覺數據作為真值，訓練高斯混合噪聲生成式對抗網絡：

步驟1.2.1：定義輸入高斯混合噪聲生成式對抗網絡的高斯混合噪聲的概率密度分布為：

其中，z_i∈Rⁿ為第i類標注硬度等級的觸覺數據對應的輸入高斯混合噪聲，n為輸入的高斯混合噪聲中包含數據點的個數，為z_i從第k個高斯分量中獲取的高斯混合噪聲，K為高斯分量的個數,表示高斯分布，和分別為第k個高斯分量的均值和協方差矩陣，為第k個高斯分量在所有高斯混合噪聲信號中的權重；令

則的公式如下：

其中,η是服從標準正態分布的變量，為協方差矩陣對角線元素所構成的矢量，為第i類第k個標注硬度等級的觸覺數據對應的輸入高斯混合噪聲，所述通過和被轉化為在中的抽樣；

步驟1.2.2：訓練高斯混合噪聲生成式對抗網絡模型：通過優化如下損失函數實現高斯混合噪聲生成式對抗網絡的判別器D的訓練：

其中，θ^D和θ^G分別代表高斯混合噪聲生成式對抗網絡的判別器D和生成器G中的模型參數，x_i代表第i類標注硬度等級的觸覺數據，p_data(x_i)代表x_i的概率密度分布；

通過優化如下損失函數實現高斯混合噪聲生成式對抗網絡的生成器G的訓練：

將式(3)分別帶入到式(4)和式(5)中得：

在式(7)中增加一個L₂正則項，以防止減小到0：

其中，λ為L₂正則項的權重；

分別通過式(6)和式(8)訓練判別器D和生成器G，判別器D和生成器G的訓練交替進行，得到最終的θ^D、θ^G、和即得到訓練好的高斯混合噪聲生成式對抗網絡；

步驟1.3：將步驟1.2.2中得到的和代入式(3)得到高斯混合噪聲，將所述高斯混合噪聲輸入訓練好的高斯混合噪聲生成式對抗網絡，獲取大規模生成樣本。

2.根據權利要求1所述的基于高斯混合噪聲生成式對抗網絡的物體硬度識別方法，其特征在于，所述步驟2包括：

將所述高斯混合噪聲生成式對抗網絡的判別器的二分類改成L分類，其他結構和參數不變，作為硬度識別網絡，利用獲得的大規模生成樣本預訓練硬度識別網絡，利用標注硬度等級的觸覺數據再次訓練硬度識別網絡，得到硬度識別網絡的參數的最終值。

3.根據權利要求1所述的基于高斯混合噪聲生成式對抗網絡的物體硬度識別方法，其特征在于，所述待預測的觸覺數據為通過機械臂前端的傳感器碰觸物體實時獲得的數據。