用于识别烹饪食材状态的微调 Inception V3
计算机视觉与模式识别
2019-05-10 v1 人工智能
机器学习
摘要
烹饪是一项必须每日进行的任务，因此许多人都将其视为理所当然的活动。对人类而言，准备一顿饭是自然而然的事，但对机器人来说，即便是准备一个简单的三明治也是一项极其困难的任务。在机器人学中，设计厨房机器人十分复杂，因为烹饪依赖于多种物理交互，这些交互取决于不同条件，例如环境变化、顺序指令的正确执行，以及运动和对烹饪食材不同状态的检测，以便正确抓取和操作。在本文中，我们聚焦于状态识别这一挑战，并提出一种利用迁移学习、通过复用 Inception V3 预训练模型进行微调的卷积神经网络。该模型在一个包含十一种状态（如去皮、切丁、完整等）的烹饪数据集上进行了训练和验证。本文所介绍的工作可为寻找该问题的潜在解决方案提供思路。
引用
@article{arxiv.1905.03715,
title = {Tuned Inception V3 for Recognizing States of Cooking Ingredients},
author = {Kin Ng},
journal= {arXiv preprint arXiv:1905.03715},
year = {2019}
}