面向农业机器人高效语义感知的域特定预训练
计算机视觉与模式识别
2023-03-23 v1 机器学习
机器人学
摘要
农业机器人有望实现更高效、可持续的粮食、饲料和纤维农业生产。作物与杂草的感知是农业机器人的核心组成部分,这类机器人旨在以自动方式监测农田并评估植株及其生长阶段。语义感知主要依赖使用监督方法的深度学习,这需要耗费时间并指派合格工人标注相当大量的数据。在本文中,我们研究在不损害最终分割性能的前提下减少标注量的问题。对于在田间作业的机器人,以监督方式预训练网络已是减少所需标注图像数量的常用方法。我们探究利用目标域数据以自监督方式进行预训练的可能性。为更好地利用此类数据,我们提出一组域特定的数据增强策略。我们在语义分割与叶片实例分割——本领域中两项重要任务上评估我们的预训练。实验结果表明,与使用常用预训练相比,采用域特定数据并配合我们的数据增强策略的预训练能带来更优性能。此外,预训练网络在更少标注数据下取得了与全监督相当的性能。
引用
@article{arxiv.2303.12499,
title = {On Domain-Specific Pre-Training for Effective Semantic Perception in Agricultural Robotics},
author = {Gianmarco Roggiolani and Federico Magistri and Tiziano Guadagnino and Jan Weyler and Giorgio Grisetti and Cyrill Stachniss and Jens Behley},
journal= {arXiv preprint arXiv:2303.12499},
year = {2023}
}