elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English Samstag, 28. Dezember 2024
Schriftgröße: [-] Text [+]

Persistent Anytime Learning of Objects from Unseen Classes

Denninger, Maximilian und Triebel, Rudolph (2018) Persistent Anytime Learning of Objects from Unseen Classes. In: 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2018. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2018), 2018-10-01 - 2018-10-05, Madrid, Spain. doi: 10.1109/iros.2018.8594165. ISBN 978-153868094-0. ISSN 2153-0858.

[img] PDF
982kB

Kurzfassung

We present a fast and very effective method for object classification that is particularly suited for robotic applications such as grasping and semantic mapping. Our approach is based on a Random Forest classifier that can be trained incrementally. This has the major benefit that semantic information from new data samples can be incorporated without retraining the entire model. Even if new samples from a previously unseen class are presented, our method is able to perform efficient updates and learn a sustainable representation for this new class. Further features of our method include a very fast and memory-efficient implementation, as well as the ability to interrupt the learning process at any time without a significant performance degradation. Experiments on benchmark data for robotic applications show the clear benefits of our incremental approach and its competitiveness with standard offline methods in terms of classification accuracy.

elib-URL des Eintrags:https://elib.dlr.de/123987/
Dokumentart:Konferenzbeitrag (Anderer)
Titel:Persistent Anytime Learning of Objects from Unseen Classes
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iD
Denninger, Maximilianmaximilian.denninger (at) dlr.dehttps://orcid.org/0000-0002-1557-2234
Triebel, RudolphRudolph.Triebel (at) dlr.de
Datum:1 Oktober 2018
Erschienen in:2018 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2018
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/iros.2018.8594165
ISSN:2153-0858
ISBN:978-153868094-0
Status:veröffentlicht
Stichwörter:Learning and Adaptive Systems, Object Detection, Segmentation and Categorization, Online Learning, Random Forest
Veranstaltungstitel:IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2018)
Veranstaltungsort:Madrid, Spain
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:1 Oktober 2018
Veranstaltungsende:5 Oktober 2018
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: Denninger, Maximilian
Hinterlegt am:30 Nov 2018 14:39
Letzte Änderung:24 Apr 2024 20:27

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Einige Felder oben sind zurzeit ausgeblendet: Alle Felder anzeigen
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.