ETRI-Activity3D:面向机器人识别老年人日常活动的大规模RGB-D数据集
机器人学
2020-03-12 v2 计算机视觉与模式识别
摘要
以深度学习为基础的许多现代算法众所周知是数据饥渴的。尤其适用于预期应用的数据集难以获取。为应对这一状况,我们引入一个名为ETRI-Activity3D的新数据集,聚焦于机器人视角下老年人的日常活动。该新数据集的主要特征如下:1)从对老年人日常生活的密切观测中选取的实用动作类别;2)反映机器人工作环境与服务情形的真实数据采集;3)克服当前3D活动分析基准数据集局限性的大规模数据集。所提数据集包含112,620个样本,包括RGB视频、深度图与骨架序列。数据采集过程中,100名受试者被要求执行55项日常活动。此外,我们提出一种称为四流自适应CNN(FSA-CNN)的新网络。所提FSA-CNN具有三个主要特性:对时空变化的鲁棒性、输入自适应激活函数,以及对传统双流方法的扩展。在实验部分,我们使用NTU RGB+D与ETRI-Activity3D验证了所提FSA-CNN的优越性。进一步,两组年龄群体间的领域差异经实验得以验证。最后,研究了FSA-CNN处理多模态数据的扩展。
引用
@article{arxiv.2003.01920,
title = {ETRI-Activity3D: A Large-Scale RGB-D Dataset for Robots to Recognize Daily Activities of the Elderly},
author = {Jinhyeok Jang and Dohyung Kim and Cheonshu Park and Minsu Jang and Jaeyeon Lee and Jaehong Kim},
journal= {arXiv preprint arXiv:2003.01920},
year = {2020}
}