三思而后行：通过预测运动效果实现的端到端主动识别
计算机视觉与模式识别
2016-08-09 v2 人工智能
机器学习
机器人学
摘要
安装在自主移动智能体上的视觉识别系统面临无约束数据的挑战，但同时有机会通过移动获取测试数据的新视角来提升性能。在本工作中，我们首先展示了如何训练基于循环神经网络的系统来执行适用于该“主动识别”设定的运动策略的端到端学习。此外，我们假设主动视觉要求智能体具备推理其运动对世界观测影响的能力。为验证该假设，我们尝试在主动识别流水线中引入此能力，通过同时学习预测智能体运动对其环境内部表示的影响（条件于所有过去视角）。在两个具有挑战性的数据集上的结果证实，我们的端到端系统成功学习了用于主动类别识别的有意义策略，且“学会前瞻”进一步提升了识别性能。
引用
@article{arxiv.1605.00164,
title = {Look-ahead before you leap: end-to-end active recognition by forecasting the effect of motion},
author = {Dinesh Jayaraman and Kristen Grauman},
journal= {arXiv preprint arXiv:1605.00164},
year = {2016}
}
备注
A preliminary version of the material in this document was filed as University of Texas technical report no. UT AI15-06, December, 2015, at: http://apps.cs.utexas.edu/tech_reports/reports/ai/AI-2214.pdf, ECCV 2016