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

How Robots Learn to Classify New Objects Trained from Small Data Sets

Wang, Tick Son und Marton, Zoltan-Csaba und Brucker, Manuel und Triebel, Rudolph (2017) How Robots Learn to Classify New Objects Trained from Small Data Sets. 1st Conference on Robot Learning, 2017-11-13 - 2017-11-15, Mountain View, United States.

[img] PDF - Nur DLR-intern zugänglich
843kB

Kurzfassung

In this paper, we address the problem of learning to classify new object classes and instances by adapting a previously trained classifier. The main challenges here are the small amount of newly available training data and the large change in appearance between the new and the old data. To address this we propose a new variant of Progressive Neural Networks (PNN), originally introduced by Rusu et al. [1]. We show that by performing a specific simplification in the adapters, the prediction performance of the resulting PNN can be significantly increased. Furthermore, we give additional insights about when PNNs outperform alternative methods, and provide empirical evaluations on benchmark datasets. Finally, we also suggests a way of using it to augment the functionality of a network by extending it with new classes, addressing the problem of unbalanced classes, i.e. where the new classes are under-represented.

elib-URL des Eintrags:https://elib.dlr.de/116840/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:How Robots Learn to Classify New Objects Trained from Small Data Sets
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Wang, Tick SonTick.Wang (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Marton, Zoltan-CsabaZoltan.Marton (at) dlr.dehttps://orcid.org/0000-0002-3035-493XNICHT SPEZIFIZIERT
Brucker, ManuelManuel.Brucker (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Triebel, RudolphRudolph.Triebel (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2017
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Progressive Neural Network, Robotic Vision, Transfer Learning
Veranstaltungstitel:1st Conference on Robot Learning
Veranstaltungsort:Mountain View, United States
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:13 November 2017
Veranstaltungsende:15 November 2017
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) > Perzeption und Kognition
Hinterlegt von: Brucker, Manuel
Hinterlegt am:08 Dez 2017 16:51
Letzte Änderung:24 Apr 2024 20:21

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.