机器人操作的环境通常由各种需要与之交互或避免的对象组成。在核心模块的计算机视觉和传感中，我们考虑了估计这些对象的几何特性（如大小和形状）的问题。然而，在许多情况下，还需要确定对象的语义信息，例如对象的类型或其功能和属性。
该模块将研究如何开发算法来预测原始传感器数据并计算3D模型的语义属性。该模块建立在术语1模块的基础上，即机器人技术的机器学习，因为这是该问题领域的最优势和成功的方法。
该模块的目标是：
- 提供学生对识别和分类对象挑战的理解。
- 使学生了解当前算法及其优势和局限性。
- 支持学生获得实施和评估这些算法方面的经验。
成功完成模块后，学生将能够：
- 识别并理解与对象检测和分类挑战相关的主要概念。
- 在对象识别和分类中识别和评估不同算法的优势和局限性。
- 应用适当的评估技术来评估实施算法的性能。
- 分析和解释从评估算法获得的结果。
- 在处理数据时，应用负责任的做法，确保隐私并避免偏见。
- 批判性地评估不同情况下算法的性能和局限性。
该模块通常涵盖以下主题：
- 图像分类（如CFAR10 / NIST）。
- 语义细分。
- 对象检测。
- 对象分类（如Yolo，R-CNN）。
- 绩效评估。
- 图像的深度。
- 其他感应方式（如激光雷达等）。
- 样本分配和错误。
为了有资格选择该模块作为可选或选修课，学生必须在计划和年度学习年份中注册。
选择DR.D留学生辅导机构，让我们携手开启留学之旅，为您的留学生活增添精彩！
