ZeroWaste 数据集：面向杂乱场景中可变形物体的分割
计算机视觉与模式识别
2022-05-17 v4
摘要
在美国，实际被回收的可回收废物不到 35%，这导致土壤和海洋污染加剧，是环境研究者及公众的主要关切之一。问题的核心在于废物分拣过程（分离纸、塑料、金属、玻璃等）效率低下，其原因是废物流极其复杂且杂乱。可回收废物检测带来了独特的计算机视觉挑战，因为它需要在杂乱场景中检测高度可变形且常呈半透明的物体，而缺乏以人为中心的数据集中通常存在的上下文信息。这一具挑战性的计算机视觉任务目前在已有文献中缺乏合适的数据集或方法。本文朝计算机辅助废物检测迈出一步，提出了首个真实场景下的工业级废物检测与分割数据集 ZeroWaste。我们相信 ZeroWaste 将推动极端杂乱下的目标检测与语义分割研究以及回收领域的应用。我们的项目页面位于 http://ai.bu.edu/zerowaste/。
引用
@article{arxiv.2106.02740,
title = {ZeroWaste Dataset: Towards Deformable Object Segmentation in Cluttered Scenes},
author = {Dina Bashkirova and Mohamed Abdelfattah and Ziliang Zhu and James Akl and Fadi Alladkani and Ping Hu and Vitaly Ablavsky and Berk Calli and Sarah Adel Bargal and Kate Saenko},
journal= {arXiv preprint arXiv:2106.02740},
year = {2022}
}