基于背包式设备运行深度神经网络的 Pepper 近实时物体识别
机器人学
2018-11-21 v1
摘要
本文的主要目标是为 Pepper 提供一个基于深度神经网络的近实时物体识别系统。所提出的系统基于 YOLO（You Only Look Once），这是一种能够鲁棒且高速地检测和识别物体的深度神经网络。此外，考虑到 YOLO 无法在 Pepper 的内部计算机上近实时运行，我们提议为 Pepper 使用一种背包式设备，其中搭载一块 Jetson TK1 卡片和一块电池。通过使用该卡片，Pepper 能够以约每秒 5 帧的速度在 320x320 像素的图像中鲁棒地检测和识别物体。
引用
@article{arxiv.1811.08352,
title = {Near Real-Time Object Recognition for Pepper based on Deep Neural Networks Running on a Backpack},
author = {Esteban Reyes and Cristopher Gómez and Esteban Norambuena and Javier Ruiz-del-Solar},
journal= {arXiv preprint arXiv:1811.08352},
year = {2018}
}
备注
Proceedings of 22th RoboCup International Symposium, Montreal, Canada, 2018