基于触觉与视觉信息的表面材料分类深度学习
机器人学
2016-05-03 v2 计算机视觉与模式识别
机器学习
摘要
当用户手持刚性工具划过物体表面时，可以捕获加速度信号，该信号携带有关表面的相关信息。更重要的是，这样的触觉信号与表面的视觉外观互补，这表明可结合两种模态来识别表面材料。本文中，我们提出一种处理表面材料分类问题的新颖深度学习方法，该方法基于全卷积网络（FCN），以上述加速度信号和表面纹理的对应图像作为输入。与先前依赖精心设计的手工领域特定特征的表面材料分类方案相比，我们的方法利用先进的深度学习方法论自动提取判别性特征。在 TUM 表面材料数据库上进行的实验表明，我们的方法鲁棒且高效地达到了最先进的分类精度。
引用
@article{arxiv.1512.06658,
title = {Deep Learning for Surface Material Classification Using Haptic And Visual Information},
author = {Haitian Zheng and Lu Fang and Mengqi Ji and Matti Strese and Yigitcan Ozer and Eckehard Steinbach},
journal= {arXiv preprint arXiv:1512.06658},
year = {2016}
}
备注
8 pages, under review as a paper at Transactions on Multimedia