HRPose：基于知识蒸馏的实时高分辨率 6D 位姿估计网络
计算机视觉与模式识别
2022-04-21 v1 机器学习
机器人学
摘要
实时 6D 物体位姿估计对于许多实际应用（如机器人抓取与增强现实）至关重要。为从 RGB 图像实时获得准确的物体位姿估计，我们提出了一种高效轻量模型，即高分辨率 6D 位姿估计网络（HRPose）。我们采用高效且小巧的 HRNetV2-W18 作为特征提取器，以减轻计算负担并生成准确的 6D 位姿。我们的 HRPose 仅以 33% 的模型尺寸与更低的计算成本，取得了与最先进模型相当的性能。此外，通过输出与特征相似性蒸馏将大模型的知识迁移至我们所提 HRPose，其有效性与效率均得到提升。在广泛使用的数据集 LINEMOD 上的数值实验证明了我们所提 HRPose 相对于最先进方法的优越性。
引用
@article{arxiv.2204.09429,
title = {HRPose: Real-Time High-Resolution 6D Pose Estimation Network Using Knowledge Distillation},
author = {Qi Guan and Zihao Sheng and Shibei Xue},
journal= {arXiv preprint arXiv:2204.09429},
year = {2022}
}
备注
8 pages, 4 figures, and 5 tables, accepted by Chinese Journal of Electronics