自然场景下的物体识别：我们进展如何？
机器人学
2018-05-23 v2 计算机视觉与模式识别
摘要
识别物体的能力对于在人类环境中运作的机器人系统是一项基本技能。尽管机器人与视觉研究界付出了数十年的努力，机器人仍然缺乏良好的视觉感知系统，阻碍了自主智能体在现实世界应用中的使用。由于缺乏能够准确表征机器人在自然场景下所感知世界的测试平台，进展受到了阻碍。为了填补这一空白，我们引入了一个大规模、多视角的物体数据集，该数据集通过安装在移动机器人上的 RGB-D 相机采集。该数据集嵌入了机器人在现实应用中面临的挑战，并为验证物体识别算法提供了有用的工具。除了描述该数据集的特征外，本文还在新数据集上评估了一系列成熟的深度卷积网络的性能，并分析了深度表征从网络图像到机器人数据的可迁移性。尽管这些表征取得了有希望的结果，但实验表明，基于真实机器人数据的物体分类问题远未得到解决。最后，我们提供了一项比较研究，以分析和突出机器人视觉中的开放挑战，并解释了性能上的差异。
引用
@article{arxiv.1709.05862,
title = {Recognizing Objects In-the-wild: Where Do We Stand?},
author = {Mohammad Reza Loghmani and Barbara Caputo and Markus Vincze},
journal= {arXiv preprint arXiv:1709.05862},
year = {2018}
}