一种用于旋转不变物体识别的多感官学习架构
机器人学
2020-09-15 v1 计算机视觉与模式识别
机器学习
摘要
本研究提出了一种用于物体识别的多感官机器学习架构,采用由配备三个摄像头和一个深度传感器的 iCub 机器人构建的新颖数据集。所提架构结合卷积神经网络为灰度化彩色图像形成表征(即特征),并采用多层感知机算法处理深度数据。为此,我们旨在学习不同模态(例如颜色和深度)的联合表征,并将其用于物体识别。我们通过将所得结果与使用不同传感器输入分别训练的模型以及一种最先进的数据融合技术(即决策级融合)进行基准比较,来评估所提架构的性能。结果表明,与仅使用单一模态输入和决策级多模态融合方法的模型相比,我们的架构提高了识别准确率。
引用
@article{arxiv.2009.06292,
title = {A Multisensory Learning Architecture for Rotation-invariant Object Recognition},
author = {Murat Kirtay and Guido Schillaci and Verena V. Hafner},
journal= {arXiv preprint arXiv:2009.06292},
year = {2020}
}
备注
The manuscript consists of 8 pages with 6 figures and two results tables. Additionally, we provide a dedicated website to reach the dataset that we employed for this study: http://www.robotmultimodal.com/datasets/