Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F22%3A39919564" target="_blank" >RIV/00216275:25530/22:39919564 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/CODIT55151.2022.9803900" target="_blank" >http://dx.doi.org/10.1109/CODIT55151.2022.9803900</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/CODIT55151.2022.9803900" target="_blank" >10.1109/CODIT55151.2022.9803900</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

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

  • Popis výsledku v původním jazyce

    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.

  • Název v anglickém jazyce

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

  • Popis výsledku anglicky

    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.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EF17_049%2F0008394" target="_blank" >EF17_049/0008394: Spolupráce Univerzity Pardubice a aplikační sféry v aplikačně orientovaném výzkumu lokačních, detekčních a simulačních systémů pro dopravní a přepravní procesy (PosiTrans)</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

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

  • ISBN

    978-1-66549-608-7

  • ISSN

    2576-3547

  • e-ISSN

    2576-3555

  • Počet stran výsledku

    6

  • Strana od-do

    1586-1591

  • Název nakladatele

    IEEE (Institute of Electrical and Electronics Engineers)

  • Místo vydání

    New York

  • Místo konání akce

    Istanbul

  • Datum konání akce

    17. 5. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000846862800272