基于分类与空间变换网络的手爪检测

机器人手爪检测任务仍具挑战性，尤其针对新颖物体。随着深度学习的近期进展，已有若干利用神经网络检测机器人手爪的工作。通常，基于回归的手爪检测方法在计算复杂度上优于基于分类的检测方法，且精度出色。然而，基于分类的机器人手爪检测似乎仍具优点，例如中间步骤可观测性以及用于端到端训练的直接反向传播流程。本工作中，我们提出一种基于分类、带有多级空间变换网络（STN）的机器人手爪检测新方法。我们所提方法能够以实时计算实现最先进的精度性能。此外，不同于其他基于回归的手爪检测方法，我们的方法允许对若干手爪配置候选的中间结果（如手爪位置与朝向）进行局部观测。