面向极简硬件的语义分割深度学习
机器学习
2019-10-04 v1 计算机视觉与模式识别
机器人学
机器学习
摘要
深度学习已经革新了许多领域，但将其成功转移到具有极简硬件的小型移动机器人上仍然具有挑战性。具体而言，在 RoboCup 人形足球领域已有一些相关工作朝此方向开展，但缺乏在该领域之外仍具有性能高效且普遍适用的成果。我们提出了一种与以往不同的概念性方法。它基于语义分割，并且确实实现了这些期望特性。具体而言，它能够在低功耗移动处理器上实时处理完整的 VGA 图像。它还可以处理多种图像尺寸而无需重新训练，不需要特定领域知识即可实现高帧率，并且适用于极简移动硬件。
引用
@article{arxiv.1807.05597,
title = {Deep Learning for Semantic Segmentation on Minimal Hardware},
author = {Sander G. van Dijk and Marcus M. Scheunemann},
journal= {arXiv preprint arXiv:1807.05597},
year = {2019}
}
备注
12 pages, 5 figures, RoboCup International Symposium 2018