摘要：本文针对传统的视网膜图像处理过程繁琐、鲁棒性差的缺点,提出设计了一种基于深度卷积神经网络(Convolutional Neural Network,CNN)的视网膜图像自动识别系统。首先,对图像预处理包括去除噪声、数值归一化、数据量扩增;然后,设计提出了一种新的神经网络模型——XNet,XNet中和了LeNet和Inception网络的深度,网络参数根据训练样本进行适应性调整;最后,针对不同的网络结构进行了准确率和迭代次数的比较。实验结果表明,XNet网络的结构要优于LeNet和Inception,准确率可以达到91%;并通过实验证实了数据扩增的必要性。

摘要：针对仿人机器人的特点,设计了一个具有单目视觉的仿人机器人视觉识别系统。在比较各种追踪算法的基础上,将算法应用于机器人视觉识别,并以此调整机器人前进路线。根据FIRA比赛规则,决策系统通过视觉反馈和姿态反馈信息,调用底层动作库,进行短跑运动规划。实验显示算法适合仿人机器人参加竞技类比赛。