级联轮增强全视分段用于机器人视觉感知
Yue Xu1,2,3, Runze Liu1,2, Dongchen Zhu1,3
1Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences, Shanghai, China.
Frontiers in neurorobotics
|November 5, 2024
概括
本研究介绍了CCPSNet,这是一种全光细分的新方法,可以增强机器人场景的理解. 该网络通过整合轮信息来改善对象和纹理歧视,在具有挑战性的条件下表现出色.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 泛光细分对于机器人环境理解至关重要.
- 现有的方法难以处理薄弱的纹理和小物体.
研究的目的:
- 为了提高机器人场景的理解,使用一种新的级联轮增强泛光细分网络 (CCPSNet).
- 通过纳入受生物视觉启发的结构性知识来提高实例的歧视性.
主要方法:
- 设计了一个级联轮检测流与道调节结构感知模块和粗细的战略.
- 开发了一个以轮为导向的多尺度特征增强流,使用结构意识的特征调制和反向聚合.
- 集成的轮信息与多尺度的上下文特征.
主要成果:
- 在城市景观 (61.2 PQ) 和COCO (43.5 PQ) 数据集上实现了更高的准确性.
- 在模拟具有挑战性的现实世界场景 (如脏的摄像头和雨) 中表现出强性.
结论:
- 在复杂的环境中,CCPSNet显著提高了机器人的感知能力.
- 未来的工作可能会探索无监督培训,以降低计算成本.


