细粒度三维物体识别：一种方法及实验
计算机视觉与模式识别
2023-06-29 v1 人工智能
摘要
三维（3D）物体识别技术正作为自动驾驶汽车等先进技术中的核心技术被使用。3D 物体识别有两类方法：（i）如全局正交物体描述子（Global Orthographic Object Descriptor, GOOD）这类手工设计方法，以及（ii）如 MobileNet 和 VGG 这类基于深度学习的方法。然而，在已知类别数量随时间增加、且系统应使用少量训练样本学习新物体类别的开放式领域中，需要了解这两类方法中哪一类表现更好。在本文中，我们首先实现了一个离线 3D 物体识别系统，该系统以物体视图作为输入并生成类别标签作为输出。在离线阶段，使用基于实例的学习（instance-based learning, IBL）来形成新类别，并使用 K 折交叉验证评估所获得的物体识别性能。随后我们通过将代码集成到模拟教师测试中在线测试所提出的方法。结果表明，使用深度学习特征的方法更适合开放式场景。此外，我们观察到拼接手工设计与深度学习特征可提高分类准确率。
引用
@article{arxiv.2306.15919,
title = {Fine-grained 3D object recognition: an approach and experiments},
author = {Junhyung Jo and Hamidreza Kasaei},
journal= {arXiv preprint arXiv:2306.15919},
year = {2023}
}