使用调优的 VGG 卷积神经网络对烹饪对象状态进行分类
计算机视觉与模式识别
2018-05-31 v2 机器人学
摘要
在机器人学中，了解对象状态并识别所需状态非常重要。处于不同状态的对象需要不同的抓取方式。为达到不同状态，需要不同的操作以及不同的抓取。为分析处于不同状态的对象，我们创建了一个烹饪对象数据集。烹饪包含不同菜肴所需的各种切割技术（如切丁、切丝等）。人类有时也难以识别烹饪对象的每种状态。本文中，我们通过调优卷积神经网络（CNN）分析了七种不同的烹饪对象状态。为此，图像由学生下载并标注，分为训练集和一个完全不同的测试集。通过调优 vgg-16 CNN 获得了 77% 的准确率。本文的工作聚焦于各种对象状态之间的分类，而非任务识别或菜谱预测。该框架可轻松适用于任何其他对象状态分类活动。
引用
@article{arxiv.1805.09391,
title = {Classifying cooking object's state using a tuned VGG convolutional neural network},
author = {Rahul Paul},
journal= {arXiv preprint arXiv:1805.09391},
year = {2018}
}