面向机器人抓取的水下目标检测数据集与基准
计算机视觉与模式识别
2022-07-05 v1
摘要
面向机器人抓取的水下目标检测已引起大量关注。然而，由于若干挑战，这仍是一个未解决的问题。我们致力于通过应对以下挑战使其更贴近现实。首先，现有可用数据集基本缺乏测试集标注，导致研究者必须在自行划分的测试集（从训练集划分）上将自身方法与其他 SOTA 比较。训练其他方法增加了工作量，且不同研究者划分不同数据集，导致没有统一基准来比较不同算法的性能。其次，这些数据集还存在其他缺陷，例如过多相似图像或不完整标签。针对这些挑战，我们基于所有相关数据集的收集与重新标注，引入了数据集 Detecting Underwater Objects（DUO）及相应基准。DUO 包含多样水下图像的收集，具有更合理的标注。相应基准在 MMDtection 框架下为学术研究及工业应用提供了 SOTA 的效率与准确率指标，其中使用 JETSON AGX XAVIER 评估检测器速度以模拟机器人嵌入式环境。
引用
@article{arxiv.2106.05681,
title = {A Dataset And Benchmark Of Underwater Object Detection For Robot Picking},
author = {Chongwei Liu and Haojie Li and Shuchang Wang and Ming Zhu and Dong Wang and Xin Fan and Zhihui Wang},
journal= {arXiv preprint arXiv:2106.05681},
year = {2022}
}