利用高干扰照片级真实合成数据检测与分割自定义物体
计算机视觉与模式识别
2021-05-25 v2
摘要
我们展示了一种使用合成数据执行实例分割的直接且实用的方法，并在一个基础案例上应用该方法并通过定量分析得出见解。我们创建了一个新的公开数据集：用于检测与分割任务的 Expo Markers 数据集。该数据集包含 5,000 张照片级真实合成图像及其对应的像素级精确分割真值。目标是在手动收集并标注的自定义物体真实世界数据上取得高性能。我们通过创建目标物体及其他可能干扰物体的 3D 模型，并将其置于模拟环境中来实现。Expo Markers 因具有确切纹理、尺寸与 3D 形状而满足我们对自定义物体的要求，被选用于此任务。另一优势是该物体在全球办公室中易得，便于对我们结果进行测试与验证。我们使用一种域随机化技术生成数据，该技术同时模拟场景中的其他照片级真实物体（即干扰物体）。这些物体提供视觉复杂性、遮挡与光照挑战，以帮助模型在训练中增强鲁棒性。我们也发布用于对比与评估合成数据集的手动收集数据集。本白皮书有力证明，照片级模拟数据可作为比手动捕获数据更具可扩展性与灵活性的解决方案，用于实际真实世界应用。代码见：https://github.com/DataGenResearchTeam/expo_markers
引用
@article{arxiv.2007.14354,
title = {Detection and Segmentation of Custom Objects using High Distraction Photorealistic Synthetic Data},
author = {Roey Ron and Gil Elbaz},
journal= {arXiv preprint arXiv:2007.14354},
year = {2021}
}