面向制造应用中目标检测的域随机化：基于合成数据的综合研究
计算机视觉与模式识别
2025-06-10 v1 人工智能
摘要
本文探讨了为制造目标检测应用生成合成数据时域随机化的关键方面。为此，我们提出了一个全面的数据生成流水线，反映了不同因素：物体特性、背景、光照、相机设置和后处理。我们还引入了合成工业零件目标检测数据集（SIP15-OD），该数据集包含来自三个工业用例的15个物体，处于不同环境下，作为本研究的测试平台，同时采用了一个公开可用的机器人应用工业数据集。在我们的实验中，我们展示了关于从仿真到真实目标检测的可行性及挑战的更丰富的结果和见解。特别是，我们确定了材料属性、渲染方法、后处理和干扰物为重要因素。我们的方法利用这些因素，在使用仅由合成数据训练的Yolov8模型时，在公开数据集上取得了顶级性能；机器人数据集的mAP@50得分为96.4%，SIP15-OD的三个用例得分分别为94.1%、99.5%和95.3%。结果展示了所提出的域随机化的有效性，可能覆盖了接近应用真实数据的数据分布。
引用
@article{arxiv.2506.07539,
title = {Domain Randomization for Object Detection in Manufacturing Applications using Synthetic Data: A Comprehensive Study},
author = {Xiaomeng Zhu and Jacob Henningsson and Duruo Li and Pär Mårtensson and Lars Hanson and Mårten Björkman and Atsuto Maki},
journal= {arXiv preprint arXiv:2506.07539},
year = {2025}
}
备注
This is accepted by 2025 IEEE International Conference on Robotics & Automation (ICRA), waiting for publication. 14 pages, 14 figures