主动分类：理论及其在水下检测中的应用
机器人学
2011-06-30 v1 人工智能
计算机视觉与模式识别
摘要
我们讨论了自主水下航行器必须基于多视角对物体进行分类的问题。我们专注于主动分类设定，其中航行器控制选择哪些视角以最佳地执行分类。该问题被表述为贝叶斯主动学习的扩展，并且我们展示了与该领域近期理论保证的联系。我们正式分析了随着新信息出现而自适应行动的优势。该分析导致了一种基于信息论代价确定最佳观测视角的概率算法。我们通过两种与水下检测相关的方式验证了我们的方法：合成深度图中的3D多面体识别以及使用成像声纳进行船体检测。这些任务涵盖了主动分类问题的规划与识别两个方面。结果表明，与被动方法相比，主动规划信息量丰富的视角可以将所需视角数量减少多达80%。
引用
@article{arxiv.1106.5829,
title = {Active Classification: Theory and Application to Underwater Inspection},
author = {Geoffrey A. Hollinger and Urbashi Mitra and Gaurav S. Sukhatme},
journal= {arXiv preprint arXiv:1106.5829},
year = {2011}
}
备注
16 pages