让机器人玩Pictionary：用于草图识别的循环神经网络
计算机视觉与模式识别
2016-08-12 v1
摘要
自由手绘草图本质上是一个顺序过程。然而，大多数手绘草图识别方法要么忽略这一顺序特性，要么以临时性的方式利用它。在我们的工作中，我们提出了一种用于草图物体识别的循环神经网络架构，该架构以可扩展的方式利用了笔画数据中的长期顺序和结构规律性。具体而言，我们引入了基于门控循环单元(Gated Recurrent Unit)的框架，其利用深度草图特征和按时间步加权的损失，在包含大量物体类别的大规模自由手绘物体草图数据库上取得了最先进的结果。我们框架固有的在线特性特别适合于在物体被绘制时进行实时识别。因此，我们的框架能够实现有趣的应用，例如配备摄像头的机器人与人类玩家玩流行的聚会游戏Pictionary，并生成稀疏但可识别的物体草图。
引用
@article{arxiv.1608.03369,
title = {Enabling My Robot To Play Pictionary : Recurrent Neural Networks For Sketch Recognition},
author = {Ravi Kiran Sarvadevabhatla and Jogendra Kundu and Babu R. Venkatesh},
journal= {arXiv preprint arXiv:1608.03369},
year = {2016}
}
备注
Accepted at ACMMM 2016. Code and models at https://github.com/val-iisc/sketch-object-recognition