基于扩展Jaccard图与随机梯度下降的特征融合方法及其在机器人中的应用
计算机视觉与模式识别
2017-03-27 v1 机器学习
机器人学
摘要
机器人视觉是实现人机交互与机器人复杂任务的基础设备。本文利用Kinect传感器，提出一种用于机器人识别的特征图融合（FGF）方法。我们的特征融合利用RGB与深度信息，从Kinect数据中构建融合特征。FGF涉及多重Jaccard相似度以计算鲁棒图，并利用词嵌入方法增强识别结果。我们还收集了DUT RGB-D人脸数据集和一个基准数据集，以评估所提方法的有效性与效率。实验结果表明，FGF在机器人应用中的人脸与物体数据集上具有鲁棒性和有效性。
引用
@article{arxiv.1703.08378,
title = {Feature Fusion using Extended Jaccard Graph and Stochastic Gradient Descent for Robot},
author = {Shenglan Liu and Muxin Sun and Wei Wang and Feilong Wang},
journal= {arXiv preprint arXiv:1703.08378},
year = {2017}
}
备注
Assembly Automation