Active object recognition with convolutional neural networks

In this work, we examine the literature of active object recognition in the past and present. We note that methods in the past used a notion of recognition ambiguity in order to motivate an agent to move the camera in order to take more views and disambiguate the object. Present methods on the other hand are using deep reinforcement learning to learn camera movement policies from the data. We show on a public dataset, that reinforcement learning methods are not superior to a policy of adequately sampling the object view-sphere. Instead of focusing on finding the next best view of the camera, we examine a recent method of quantifying recognition uncertainty in deep learning and its potential application to active object recognition. We find that predictions with this technique are well calibrated with respect to the performance of a network on a test-set. However, we find no evidence that this method can offer better results than directly looking at the network's confidence in order to gauge uncertainty in a rudimentary active object recognition experiment.Dans ce travail, nous examinons la littérature sur la reconnaissance active d'objets dans le passé etprésent. Nous notons que les méthodes utilisées dans le passé utilisaient la notion d'ambiguïté de reconnaissance afin de motiver un agent à déplacer la caméra afin de prendre plus de vues et de lever l'ambiguïté de l'objet. Les méthodes actuelles, en revanche, utilisent l'apprentissage par renforcement en profondeur pour apprendre les règles de mouvement de la caméra à partir des données. Nous montrons sur un ensemble de données public que les méthodes d'apprentissage par renforcement ne sont pas supérieures à une politique d'échantillonnage adéquat de la sphère de vue de l'objet. Au lieu de nous concentrer sur la recherche de la meilleure vue possible de la caméra, nous examinons une méthode récente de quantification de l'incertitude de reconnaissance dans l'apprentissage en profondeur et de son application potentielle à la reconnaissance active d'objet. Nous trouvons que les prédictions avec cette technique sont bien calibrées en ce qui concerne les performances d'un réseau sur un ensemble de tests. Cependant, nous ne trouvons aucune preuve que cette méthode puisse offrir de meilleurs résultats que d'utiliser directement la confiance du réseau afin de jauger les incertitudes d'une expérience de reconnaissance d'objet actif rudimentaire