利用机器人手内观测与合成自动制备 YOLO 训练数据
计算机视觉与模式识别
2023-01-05 v1 机器人学
摘要
深度学习方法近期在目标检测中展现出令人印象深刻的性能。然而,此类方法需要大量训练数据以实现高识别精度,这耗时且需大量如图像标注的人工工作。本文中,我们利用机器人自动制备训练数据。考虑到机器人运动效率低与能耗高,我们提出结合机器人手内观测与数据合成来扩充机器人采集的有限数据集。我们首先使用带深度传感器的机器人采集其手中持有物体的图像并分割物体图片。然后,采用复制-粘贴方法将分割出的物体与机架背景合成。采集与合成的图像相结合用于训练深度检测神经网络。我们开展实验,比较用所提方法与其他几种方法采集图像训练的 YOLOv5x 检测器。结果表明,观测与合成图像结合可达到与人工数据制备相当的性能,并为优化检测器训练的数据配置与参数设置提供了良好指导。所提方法仅需单一流程,是制备结合数据的低成本途径。感兴趣的读者可从以下 GitHub 仓库获取数据集与训练模型:github.com/wrslab/tubedet
引用
@article{arxiv.2301.01441,
title = {Automatically Prepare Training Data for YOLO Using Robotic In-Hand Observation and Synthesis},
author = {Hao Chen and Weiwei Wan and Masaki Matsushita and Takeyuki Kotaka and Kensuke Harada},
journal= {arXiv preprint arXiv:2301.01441},
year = {2023}
}