用于物体实例检测的多视角 RGB-D 数据集
计算机视觉与模式识别
2016-09-27 v1 机器人学
摘要
本文提出了一个包含九个厨房场景的全新多视角 RGB-D 数据集，每个场景在真实的杂乱环境中包含多个物体，其中包括 BigBird 数据集的物体子集。场景的视点经过密集采样，场景中的物体用边界框和三维点云进行标注。此外，还提出了一种由两部分组成的检测与识别方法：i）一种新的多视角三维候选区域生成方法；ii）使用 AlexNet 开发若干识别基线以对我们的候选区域进行评分，该模型在数据集的裁剪图像或合成的训练图像上进行训练。最后，我们将物体候选区域和检测基线的性能与 Washington RGB-D Scenes（WRGB-D）数据集进行了比较，并证明我们的厨房场景数据集在物体检测和识别方面更具挑战性。数据集获取地址：http://cs.gmu.edu/~robot/gmu-kitchens.html。
引用
@article{arxiv.1609.07826,
title = {Multiview RGB-D Dataset for Object Instance Detection},
author = {Georgios Georgakis and Md Alimoor Reza and Arsalan Mousavian and Phi-Hung Le and Jana Kosecka},
journal= {arXiv preprint arXiv:1609.07826},
year = {2016}
}