BORM：面向室内场景识别的贝叶斯对象关系模型
计算机视觉与模式识别
2021-08-03 v1 机器人学
摘要
场景识别是机器人感知中的一项基础任务。对人类而言，场景识别之所以合理，是因为其具备对真实世界的丰富对象知识。将先验对象知识从人类迁移至场景识别的思路意义重大，但仍未被充分挖掘。本文提出利用有意义的对象表示来进行室内场景表示。首先，我们采用一种改进对象模型（IOM）作为基线，通过引入在ADE20K数据集上预训练、包含与室内场景相关的丰富对象类别的场景解析算法来丰富对象知识。为分析对象共现与成对对象关系，我们从贝叶斯视角将IOM表述为贝叶斯对象关系模型（BORM）。同时，我们将所提BORM与PlacesCNN模型结合，构成组合贝叶斯对象关系模型（CBORM）用于场景识别，在精简Places365数据集与SUN RGB-D数据集上无需重训练即显著优于最先进方法，展现出所提方法优异的泛化能力。代码见 https://github.com/hszhoushen/borm。
引用
@article{arxiv.2108.00397,
title = {BORM: Bayesian Object Relation Model for Indoor Scene Recognition},
author = {Liguang Zhou and Jun Cen and Xingchao Wang and Zhenglong Sun and Tin Lun Lam and Yangsheng Xu},
journal= {arXiv preprint arXiv:2108.00397},
year = {2021}
}
备注
8 pages, 5 figures, conference, Accepted by IROS2021