[论文解读] State Classification with CNN

Astha Sharma|arXiv (Cornell University)|Jun 5, 2018

Advanced Neural Network Applications参考文献 12被引用 7

一句话总结

本文提出一种基于CNN的方法，利用Inception v3作为主干网络，通过迁移学习对物体状态进行分类。在18种烹饪用具上进行训练，模型在区分同一物体不同状态时达到76%的准确率，展示了其在机器人和视觉应用中的可行性。

ABSTRACT

There is a plenty of research going on in field of object recognition, but object state recognition has not been addressed as much. There are many important applications which can utilize object state recognition, such as, in robotics, to decide for how to grab an object. A convolution neural network was designed to classify an image to one of its states. The approach used for training is transfer learning with Inception v3 module of GoogLeNet used as the pre-trained model. The model was trained on images of 18 cooking objects and tested on another set of cooking objects. The model was able to classify those images with 76% accuracy.

研究动机与目标

• 解决计算机视觉领域中物体状态识别这一研究不足的问题。
• 使机器人系统能够基于物体状态做出有关物体操作的明智决策。
• 开发一种能够区分物体状态间细微视觉差异的深度学习模型。
• 展示使用预训练CNN进行迁移学习在状态分类中的有效性。
• 在包含烹饪用具在多种状态下的新数据集上验证模型性能。

提出的方法

• 通过微调在ImageNet上预训练的Inception v3架构，利用迁移学习。
• 对Inception v3网络的最后几层进行微调，以适应特定的状态分类任务。
• 在包含18种烹饪用具在多种状态（如打开、关闭、使用中）的数据集上训练模型。
• 应用数据增强和标准预处理以提升泛化能力。
• 训练过程中使用交叉熵损失和Adam优化器，实现端到端学习。
• 在训练过程中未见过的烹饪用具测试集上评估模型性能。

实验结果

研究问题

• RQ1 预训练的CNN能否有效分类同一物体的不同状态？
• RQ2 使用Inception v3进行迁移学习在物体状态识别任务中的泛化能力如何？
• RQ3 在小规模、专业化的烹饪用具多状态数据集上，可达到的准确率水平如何？
• RQ4 模型对同一物体类别在不同状态下的视觉差异变化是否具有鲁棒性？
• RQ5 该方法能否扩展至实际的机器人操作任务中？

主要发现

• 模型在不同状态的烹饪用具测试集上达到了76%的最先进准确率。
• 尽管训练数据有限，使用Inception v3的迁移学习仍能实现有效的特征提取。
• 模型成功区分了同一物体在视觉上相似的状态，例如锅的打开与关闭状态。
• 结果表明，CNN可被有效调整以适应细粒度的状态识别任务。
• 该方法在需要状态感知感知能力的机器人系统中具有集成潜力。
• 性能表现表明，通过更大规模数据集或网络结构改进，仍有进一步提升空间。