Publikace detail

Suitable ASP U-Net training algorithms for grasping point detection of nontrivial objects

Autoři: Doležel Petr | Štursa Dominik | Kopecký Dušan

Rok: 2022

Druh publikace: článek ve sborníku

Název zdroje: 2022 8th International Conference on Control, Decision and Information Technologies (CoDIT) : proceedings

Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)

Místo vydání: New York

Strana od-do: 1586-1591

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Vhodné trénovací algoritmy pro detekci úchopových bodů pomocí ASP U-Net	Robotická manipulace s netriviálními nebo nepravidelnými objekty, které poskytují různé typy úchopových bodů, je předmětem zájmu akademické sféry i průmyslu. Nedávno byla navržena výkonná datově řízená hluboká neuronová síť ASP U-Net pro detekci dostupných úchopových bodů manipulovaných objektů pomocí vizuálních dat. ASP U-Net prokázala schopnost detekovat proveditelné úchopové body s výjimečnou přesností a více než přijatelnou dobou inference. Síť byla dosud trénována pouze pomocí Adam algoritmu. Pro optimální využití potenciálu sítě ASP U-Net však bylo nutné provést systematický průzkum vhodných tréninkových algoritmů. Cílem tohoto příspěvku proto bylo rozšířit vliv ASP U-Net doporučením vhodných tréninkových algoritmů a jejich parametrů na základě výsledků trénovacích experimentů.	ASP U-Net
eng	Suitable ASP U-Net training algorithms for grasping point detection of nontrivial objects	Robotic manipulation with nontrivial or irregular objects, which provide various types of grasping points, is of both academic and industrial interest. Recently, a powerful data-driven ASP U-Net deep neural network has been proposed to detect feasible grasping points of manipulated objects using RGB data. The ASP U-Net showed the ability to detect feasible grasping points with exceptional accuracy and more than acceptable inference times. So far, the network has been trained using an Adam optimizer only. However, in order to optimally utilize the potential of ASP U-Net, it was necessary to perform a systematic investigation of suitable training algorithms. Therefore, the aim of this contribution was to extend the impact of ASP U-Net by recommending suitable training algorithms and their parameters based on the result of training experiments.	ASP U-Net

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte