基于全卷积网络的液体检测与跟踪
计算机视觉与模式识别
2016-06-21 v1 机器人学
摘要
人工智能与机器人领域的近期进展通过深度学习取得了许多令人瞩目的成果，但迄今为止尚无工作将深度学习应用于液体感知与推理问题。在本文中，我们将全卷积深度神经网络应用于液体的检测与跟踪任务。我们评估了三种模型：单帧网络、多帧网络和 LSTM 循环网络。结果表明，与标准图像分割不同，在多帧上聚合数据可取得最佳的液体检测效果。结果还表明，LSTM 网络在两项任务中均优于另外两种网络。这表明基于 LSTM 的神经网络有望成为使机器人利用鲁棒闭环控制器处理液体的关键组件。
引用
@article{arxiv.1606.06266,
title = {Detection and Tracking of Liquids with Fully Convolutional Networks},
author = {Connor Schenck and Dieter Fox},
journal= {arXiv preprint arXiv:1606.06266},
year = {2016}
}
备注
Published in the Proceedings of Robotics Science & Systems (RSS) 2016 Workshop Are the Skeptics Right? Limits and Potentials of Deep Learning in Robotics