Core Concepts
提案の改良を通じたクラウドベースロボットエコシステムにおけるオブジェクト検出の拡張可能なドメイン適応
Abstract
I. Introduction
ロボット支援サービスの広範な実世界アプリケーションでの重要性。
クラウドベースAI推論サービスへの依存。
ターゲット環境に合わせたオブジェクト検出プロセスへの適応。
II. Related Works
クラウドロボティクスとフォグロボティクスにおける分散型推論ソリューション。
オブジェクト検出における主流アプローチとしてのModel Splitting。
III. Method
物体検出における提案フィルタリング。
R2SNetアーキテクチャとその3つの介入方法:Relabeling、Rescoring、Suppression。
IV. Experimental Evaluation
ドア検出タスクでR2SNetを評価。
異なる数の提案を使用したパフォーマンス評価結果。
V. Conclusions
ロボットエコシステム向け拡張可能なドメイン適応ソリューション。
R2SNetが提供する効果的な提案改良手法。
Stats
本研究は、TaskNetが画像処理速度1.1 Hzで処理し、R2SNetが16.7 Hz(GPU)および2.6 Hz(CPU)で処理することを示している。