基于 CNN 模型和数据增强技术的移动机器人层次化定位评估
计算机视觉与模式识别
2024-07-16 v1 人工智能
摘要
本工作呈现了对 CNN 模型和数据增强用于通过使用全景图像进行移动机器人层次化定位的评估。在此意义上，呈现了不同状态的 CNN 模型作为骨干网络的消失研究，并提出了多种数据增强视觉效果用于解决机器人视觉定位。该方法基于 CNN 的适配和重新训练，目标为双重目的：（1）执行粗略定位步骤，其中模型用于预测图像所来自的房间；（2）解决细粒定位步骤，通过基于 CNN 中中间层获取的描述子之间的成对比较，从先前预测的房间中检索最相似的图像。就此意义上，我们评估了诸如 ConvNeXt 等不同状态的 CNN 模型用于解决所提出的定位问题。最终，分别独立地采用多种数据增强视觉效果进行模型训练，并对其影响进行评估。在包括光照条件变化的真实作业条件下评估所得 CNN 的性能。我们的代码已公开于项目网站 https://github.com/juanjo-cabrera/IndoorLocalizationSingleCNN.git
引用
@article{arxiv.2407.10596,
title = {An evaluation of CNN models and data augmentation techniques in hierarchical localization of mobile robots},
author = {J. J. Cabrera and O. J. Céspedes and S. Cebollada and O. Reinoso and L. Payá},
journal= {arXiv preprint arXiv:2407.10596},
year = {2024}
}
备注
Published Evolving Systems (2024): 08 July 2024 PDF link: https://link.springer.com/content/pdf/10.1007/s12530-024-09604-6.pdf