MJU-Waste

我们解决了从彩色​​图像和可选的深度图像中定位废弃物体的问题，这是机器人与此类物体交互的关键感知组件。具体来说，我们的方法集成了多个空间粒度级别的强度和深度信息。首先，场景级深度网络产生初始粗分割，在此基础上我们选择一些潜在的对象区域来放大并执行精细分割。上述步骤的结果进一步集成到一个密集连接的条件随机场中，该随机场学习以像素级精度尊重外观、深度和空间亲和力。此外，我们创建了一个新的 RGBD 垃圾对象分割数据集 MJU-Waste，并将其公开以促进该领域的未来研究。我们的方法的有效性在 MJU-Waste 和 Trash Annotation in Context (TACO) 数据集上得到了验证。