elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Combined Deep and Active Learning for Online 3D Object Recognition

Ullrich, Monika (2016) Combined Deep and Active Learning for Online 3D Object Recognition. DLR-Interner Bericht. DLR-IB-RM-OP-2016-364. Masterarbeit. Technische Universität München. 75 S.

[img] PDF - Nur DLR-intern zugänglich
2MB

Kurzfassung

Deep learning methods have received lots of attention in research on 3D object recognition. Due to the lack of training data, many researchers use pre-trained Convolutional Neural Networks (CNNs) and either extract the output of one of the last layers as features or fine-tune the networks on their data. We achieve superior results with a method that fine-tunes a CNN before feature extraction for RGB data. Combined with extracted features from depth data and reducing the features’ dimensionalities, we improve the state-of-the-art accuracy on the University of Washington RGB-D Object dataset [Lai+11], using a support vector machine (SVM). Furthermore, we evaluate the impact of different learning rates (LRs) when fine-tuning a CNN. Our results show that the selection of a suitable LR is crucial to the success of a network. Instead of SVM as a classifier, we also use the Mondrian forest (MF), an online classifier, which can be updated over time as soon as more data is available.

elib-URL des Eintrags:https://elib.dlr.de/110280/
Dokumentart:Berichtsreihe (DLR-Interner Bericht, Masterarbeit)
Titel:Combined Deep and Active Learning for Online 3D Object Recognition
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Ullrich, MonikaMonika.Ullrich (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2016
Referierte Publikation:Nein
Open Access:Nein
Seitenanzahl:75
Status:veröffentlicht
Stichwörter:3D object recognition, vector machine, CNN, LR, Mondrian forest, SVM
Institution:Technische Universität München
Abteilung:Department of Informatics
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben Multisensorielle Weltmodellierung (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013)
Hinterlegt von: Schlögl, Birgit
Hinterlegt am:10 Jan 2017 09:43
Letzte Änderung:10 Jan 2017 09:43

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.