Notice bibliographique
Résumé
This thesis examines the problem of actively searching for an object in a 3D environment, subject to a cost constraint. The thesis shows that different variants of this problem are NP-Hard. The tradeoffs of localizing vs. detecting a target object, using single-view and multiple-view recognition, under imperfect dead-reckoning, and an imperfect recognition algorithm are explored. The effects that finite computational resources, input noise, occlusion, and the related object representation class complexities have in terms of localizing all objects present in the search region are investigated. Various bounds relating the feature detection noise-rate to the Vapnik-Chervonenkis-dimension of an object representable by an architecture satisfying the given computational constraints are presented. These prove that under certain conditions, the corresponding classes of object localization and recognition problems are efficiently learnable in the presence of noise and under a purposive learning strategy. Under this formulation, the existence of a number of emergent relations are proven, which demonstrate that selective attention is not only necessary due to computational complexity constraints, but it is also necessary as a noise-suppression mechanism and as a mechanism for efficient object class learning. An implementation of an active 3D object localization system on a state-of-the-art visually guided humanoid robot is presented. This involves a target probability updating scheme providing an efficient solution to the best next viewpoint selection problem. It employs a recognition architecture, for attending to the view-tuned units at the proper intrinsic scales and for purposively controlling the sensor's coordinate frame, giving control of the extrinsic image scale and achieving the proper sequence of informative views of the scene. This demonstrates the feasibility of using state of the art vision-based systems for efficient and reliable object localization in an indoor 3D environment. The thesis concludes by demonstrating that under certain conditions, the effects of dead-reckoning errors can be effectively addressed by a visually-guided agent. It is argued that reliable vision systems that are non-camera specific must purposively control all sensor parameters. This suggests ways of improving the evaluation techniques of vision algorithms and motivates topics for future research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».