Object-to-Scene：学习将对象知识迁移至室内场景识别
计算机视觉与模式识别
2021-08-03 v1
摘要
对周围场景的准确感知有助于机器人做出合理判断与行为。因此，开发有效的场景表示与识别方法在机器人学中具有重要意义。当前大量研究聚焦于设计新颖的辅助特征与网络以提升室内场景识别能力，却鲜有直指构建对象特征与关系以用于室内场景识别的工作。本文分析了现有方法的不足，并提出Object-to-Scene（OTS）方法，通过提取对象特征并学习对象关系来识别室内场景。所提OTS首先基于分割网络与提出的对象特征聚合模块（OFAM）提取对象特征；随后计算对象关系，并基于提出的对象注意力模块（OAM）与全局关系聚合模块（GRAM）构建场景表示。本文最终结果表明，OTS成功从分割网络中提取对象特征并学习了对象关系。此外，在不使用任何额外流的情况下，OTS在室内场景识别上以超过2%的优势优于最先进方法。代码公开于：https://github.com/FreeformRobotics/OTS。
引用
@article{arxiv.2108.00399,
title = {Object-to-Scene: Learning to Transfer Object Knowledge to Indoor Scene Recognition},
author = {Bo Miao and Liguang Zhou and Ajmal Mian and Tin Lun Lam and Yangsheng Xu},
journal= {arXiv preprint arXiv:2108.00399},
year = {2021}
}
备注
Accepted by IROS2021