面向机器人技术的时装关键点检测与类别分类
机器学习
2020-03-27 v1 机器学习
摘要
基于图像的服装类别与时尚关键点自动识别研究近期引起了极大关注，因其在机器人服装操控、自动衣物分拣与回收以及在线购物等领域具有潜在影响。若干公开且带标注的时尚数据集已被创建以推动该方向的研究进展。本工作中，我们迈出了第一步，将面向时尚图像分析所开发的数据与技术应用于基于视觉的机器人服装操控任务。我们聚焦于能够从大规模时尚数据集泛化到机器人实验室中采集的结构较松散的小型数据集的技术。具体而言，我们提出弹性扭曲等训练数据增强方法，以及旋转不变卷积等模型调整，以使模型泛化更佳。我们的实验表明，在先前未见过的数据集上测试时，我们的方法在服装类别分类与时尚关键点检测方面优于 SOTA 模型。此外，我们展示了一个由机器人握持不同服装的图像所构成的新数据集上的实验结果，该数据集采集于我们的实验室。
引用
@article{arxiv.2003.11827,
title = {Fashion Landmark Detection and Category Classification for Robotics},
author = {Thomas Ziegler and Judith Butepage and Michael C. Welle and Anastasiia Varava and Tonci Novkovic and Danica Kragic},
journal= {arXiv preprint arXiv:2003.11827},
year = {2020}
}