密集监督抓取检测器(DSGD)
计算机视觉与模式识别
2019-01-31 v2
摘要
本文提出密集监督抓取检测器(DSGD)，一种将CNN结构与逐层特征融合相结合的深度学习框架，可在图像层次的不同层级（即全局级、区域级和像素级）生成抓取及其置信度分数。具体而言，在全局级，DSGD利用整幅图像信息预测一个抓取。在区域级，DSGD使用区域提议网络识别图像中的显著区域，并为每个显著区域预测一个抓取。在像素级，DSGD使用全卷积网络，在每个像素处预测一个抓取及其置信度。在推理阶段，DSGD选择最置信的抓取作为输出。这种从分层生成的抓取候选中进行的选择克服了各独立模型的局限性。DSGD在Cornell抓取数据集上以抓取精度而言优于最先进的方法。在多物体数据集上的评估与真实世界机器人抓取实验表明，DSGD在新环境中对一组未见物体产生了高度稳定的抓取。其以实时推理速度实现了97%的抓取检测准确率和90%的机器人抓取成功率。
引用
@article{arxiv.1810.03962,
title = {Densely Supervised Grasp Detector (DSGD)},
author = {Umar Asif and Jianbin Tang and Stefan Harrer},
journal= {arXiv preprint arXiv:1810.03962},
year = {2019}
}