Implementing Deep Learning Object Recognition on NAO

  • Deep learning methods have proven highly effective for object recognition tasks, especially in the form of artificial neural networks. In this bachelor’s thesis, a way is shown to imple- ment a ready-to-use object recognition implementation on the NAO robotic platform using Convolutional Neural Networks based on pretrained models. Recognition of multiple objects at once is realized with the help of the Multibox algorithm. The implementation’s object recognition rates are evaluated and analyzed in several tests. Furthermore, the implementation offers a graphical user interface with several options to adjust the recognition process and for controlling movements of the robot’s head in order to easier acquire objects in the field of view. Additionally, a dialogue system for querying further results is presented.
  • "Deep Learning" Ansätze haben sich für die Objekterkennung als sehr effektiv erwiesen, insbesondere in der Form künstlicher neuronaler Netze. Im Rahmen der vorliegenden Bach- elorthesis wird aufgezeigt, wie eine einsatzbereite Objekterkennung auf NAO Robotern mit Convolutional Neural Networks implementiert werden kann, basierend auf vortrainierten Mod- ellen. Die gleichzeitige Erkennung mehrerer Objekte wird mit dem Multibox-Algorithmus re- alisiert. Die Erkennungsraten der Implementierung werden in Tests evaluiert und analysiert. Außerdem stellt die Implementierung eine grafische Benutzeroberfläche zur Verfügung, die Möglichkeiten zur Anpassung des Objekterkennungsprozess und zur Steuerung des Roboterkopfes bietet, um Objekte leichter im Blickfeld erfassen zu können. Zuzüglich wird ein Dialogsystem zur Abfrage der Erkennungsergebnisse vorgestellt.

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Yann Philippczyk
URN:urn:nbn:de:bsz:900-opus4-53948
Advisor:Johannes Maucher
Document Type:Bachelor Thesis
Language:English
Year of Completion:2016
Granting Institution:Hochschule der Medien, FB 1: Druck und Medien
Release Date:2016/07/29
Tag:artificial neural networks; caffe framework; deep learning; nao; object recognition
Institutes:FB 1: Druck und Medien
Access Rights:Frei zugänglich
Licence (German):License LogoCreative Commons - Namensnennung-Nicht kommerziell-Keine Bearbeitung