看得更远以认得更准：面向开放式三维物体识别的共享主题与类别特定字典学习
计算机视觉与模式识别
2019-07-31 v1 机器人学
摘要
服务机器人被期望在以人为中心的环境中长时间高效运行。在此类现实场景中，细粒度物体分类与基本层次物体分类同样重要。我们通过提出一种开放式物体识别方法来解决此问题，该方法同时学习物体类别和用于编码物体的局部特征。本工作中，每个物体使用一组通用潜在视觉主题和类别特定字典来表示。通用主题编码所有类别的共有模式，而类别特定字典详细描述每个类别的内容。所提方法以无监督方式发现这两组通用与特定表示，并使用新的物体视角增量更新它们。实验结果表明，我们的方法在可扩展性和物体分类性能方面相较先前最先进方法取得显著改进。此外，我们的方法展示了在真实世界环境中从极少训练样本学习的能力。在计算时间方面，最佳结果由词袋法及一种隐狄利克雷分配方法的变体取得。
引用
@article{arxiv.1907.12924,
title = {Look Further to Recognize Better: Learning Shared Topics and Category-Specific Dictionaries for Open-Ended 3D Object Recognition},
author = {S. Hamidreza Kasaei},
journal= {arXiv preprint arXiv:1907.12924},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1902.03057