Indoor vs. Outdoor Scene Classification for Mobile Robots

Abstract

Tento článek se zabývá úkolem automatické klasifikace vnitřního a venkovního prostředí z obrazových dat s ohledem na budoucí využití v mobilní robotice. Pro požadavky tohoto výzkumu využíváme datovou sadu Miniplaces. Porovnáváme velké množství klasických přístupů strojového učení, jako je Support Vector Machine, k-Nearest Neighbor, Decision Tree nebo Naive Bayes pomocí různých metod popisu barev a textur na jedné datové sadě. Kromě toho používáme některé z nejdůležitějších přístupů založených na neuronových sítích z posledních čtyř let. Nejlepší testovaný přístup dosahuje přesnosti klasifikace 96,17%. Pokud je nám známo, tento článek představuje nejrozsáhlejší srovnání klasifikačních přístupů v úloze klasifikace vnitřního a venkovného prostředí, jaké kdy bylo provedeno na jednom datovém souboru. Zabýváme se také problémem rychlosti zpracování a diskutujeme o použití aplikovaných metod v robotických úlohách v reálném čase.