基于自适应仿生网络的非特定物体在线识别

目前的物体识别算法框架大多是训练与识别过程相对独立,这就造成系统只对训练过的类别有识别能力,如果物体或者环境发生变化,识别将失败,这大大降低了系统的适应性、可扩展能力和实时性。针对这个问题,提出一种基于自适应仿生网络的识别算法,算法通过多层神经网络模拟人类记忆结构,将学习到的物体知识存储之网络节点,且网络是可在线拓展的,使得系统可在线学习新的陌生物体,具有自适应性。实验表明,提出的算法能有效地改变传统识别框架带来的局限,能在线识别非特定的多种物体。