基于ROS的机器学习合成数据自动生成
机器学习
2021-06-09 v1
摘要
数据标注是一个耗时的过程。因此，许多数据科学家使用各种工具来辅助数据生成与标注。尽管这些工具有助于自动化标注，但许多仍需要在整个过程中用户交互。此外，大多数仅面向少数网络框架。探索多个框架的研究者必须寻找额外工具或编写转换脚本。本文提出一种用于以任意网络格式生成合成数据的自动化工具。它使用机器人操作系统（ROS）与Gazebo，二者是机器人领域的常用工具。通过ROS范式，它允许用户对仿真环境与数据生成过程进行广泛定制。此外，插件式框架支持开发任意数据格式写入器，无需改动代码主体。使用该工具，作者得以在约15分钟用户配置时间及随数据集大小而定的无人值守运行时间内，为三种独特训练格式生成任意规模的图像数据集。该数据生成工具的源代码见https://github.com/Navy-RISE-Lab/nn_data_collection
引用
@article{arxiv.2106.04547,
title = {Automatic Generation of Machine Learning Synthetic Data Using ROS},
author = {Kyle M. Hart and Ari B. Goodman and Ryan P. O'Shea},
journal= {arXiv preprint arXiv:2106.04547},
year = {2021}
}
备注
DISTRIBUTION STATEMENT A. Approved for public release: distribution unlimited. NAWCAD-LKE Release Number 2021-72. Published in HCI International 2021 by Springer. The final authenticated version is available online at https://doi.org/10.1007/978-3-030-77772-2_21