通过视觉域定位的自适应深度学习

一个商用机器人由其制造商训练以识别预定义数量和类型的物体，可能被用于许多场景，这些场景通常在光照条件、背景、杂波的类型与程度等方面存在差异。近期计算机视觉工作通过域适应方法解决此泛化问题，以系统训练所在的视觉域为源域，以部署域为目标域。所有方法都假设在训练时可获取来自目标域所有类别的图像，这在机器人应用中是不现实的条件。我们提出一种考虑机器人视觉特定需求的算法来解决此问题。我们的直觉是，机器人中主要经历的域偏移本质是局部的。我们通过学习在空间上定位该域并量化偏移程度、且嵌入端到端深度域适应架构中的映射来利用这一点。通过显式定位域偏移的根源，我们显著减少了架构中需调参的数量，获得了在训练时处理目标域类别子集所需的灵活性，并提供了关于任何分类决策背后依据的清晰反馈，可用于人机交互。在 iCub World 数据库两种不同设定上的实验证实了我们的方法对机器人视觉的适用性。