Nov, 2019

OpenLORIS-Object：用于终身深度学习的机器人视觉数据集和基准

PDF
TL;DR针对具有挑战性的开放式及有害条件下，机器人视觉应用需要具备适应性的系统，使其具备终身学习的能力，该篇研究提出了一个新的生涯机器人视觉数据集（OpenLORIS-Object），囊括了最近领先的 lifelong learning 算法，并提供了新的基准评估模型的效果和性能。
robotic visionlifelong learningobject recognitiondatasetsbenchmark
发现论文，激发创造
  • 用于开发和基准测试主动视觉的数据集

    该论文使用真实影像，聚焦日常室内环境下机器人视觉任务的模拟，构建新的公共数据集。该数据集可用于机器人视觉任务中的物体检测、主动视觉模拟和基于深度学习的强化学习下的下一步动作预测。在使用数据集的过程中，作者发现现有物体检测研究最大的问题是机器人视角对物体尺度，遮挡和方向的影响。

    Feb, 2017

  • 我们准备好了吗？用于终身 SLAM 的 OpenLORIS-Scene 数据集的服务机器人？

    本文介绍服务机器人在长期不断变化的环境下进行自主操作的问题，提出了 “终身 SLAM” 这一概念，并设计了基准测试度量方法和数据集以促进终身 SLAM 研究。

    Nov, 2019

  • ORBIT: 用于可教的物体识别的现实世界少样本数据集

    通过发布 ORBIT 数据集和基准测试结果，本研究展示了通过少量见例子的学习，实现物品识别这一具备良好应用前景的任务在现实场景中的挑战和机会，并在此基础上提出了具有挑战性的测试基准，为解决此问题提供研究奠定了基础。

    Apr, 2021

  • ROBI: 机器人抓取中反射物体的多视图数据集

    本文介绍了 ROBI（Reflective Objects in BIns）数据集，用于 6D 对象姿态估计和机器人垃圾桶拾取场景中的多视角深度融合。数据集包括 63 个具有高度反射物体的场景，使用两个主动立体相机捕获图像和深度地图进行标注，可评估姿态估计和深度融合算法性能。

    May, 2021

  • CORe50: 一个用于连续物体识别的新数据集及基准

    该论文提出了一种新的数据集和基准 CORe50，并引入了不同连续学习场景的基线方法来解决实际对象识别应用中面临的高维数据流持续学习难题。

    May, 2017

  • 光学遥感图像中的目标检测：调查和新基准

    本文提供了在计算机视觉和地球观测社区中基于深度学习的对象检测的综合研究进展，并提出了一个公开的大规模测量数据，即 DIOR 数据集，其可帮助研究人员开发和验证数据驱动的方法。

    Aug, 2019

  • 弗赖堡商品数据集

    本文介绍了一种包含 5,000 张超过 25 种不同杂货类别的图像数据集，可用于机器学习和机器人研究的训练、测试和引导。研究者基于这个数据集训练了一个基线分类器，得到了 78.9％的平均准确率。

    Nov, 2016

  • 目标识别研究现状：以 iCub 机器人为视角

    本研究通过设计一种数据获取协议，对目前的深度学习方法在机器人视觉中的物体识别效果进行了广泛研究，并介绍了一个新的数据集。研究结果表明，需要知识转移才能提高性能，同时发现了机器人应用中的物体识别问题与图像检索任务之间的主要差异。

    Sep, 2017

  • FewSOL: 机器人环境中的小样本目标学习数据集

    介绍了 Few-Shot Object Learning (FewSOL) 数据集，用于针对每个物体进行少量图像识别，研究结果表明目前机器人环境下还有一定提升空间，适用于研究分类、检测、分割、形状重构、姿态估计、关键点对应和属性识别等少量图像识别问题。

    Jul, 2022

  • LaRS：多样性全景海上障碍物检测数据集与基准

    通过新的数据集 LaRS，我们提供了第一个海洋全景障碍物检测基准，涵盖了湖泊、河流和海洋场景，并提供了最大的多样性录制位置、场景类型、障碍物类别和获取条件。LaRS 数据集由包含 4000 多个像素标记关键帧组成，具有九个先前帧，以利用时间纹理，共计超过 40k 帧。我们报告了 27 种语义和全景分割方法的结果，以及几个性能洞察和未来研究方向。为了实现客观评估，我们还实施了在线评估服务器。LaRS 数据集、评估工具包和基准公开可用。

    Aug, 2023