基于游戏引擎合成数据的托盘检测
计算机视觉与模式识别
2023-04-10 v1 人工智能
摘要
本研究旨在评估在托盘分割任务中使用游戏引擎生成合成训练数据以供机器学习使用的可行性。先前研究已证明合成数据是一种训练神经网络的可行手段，并且由于减少了对人工图像标注的需求，可节省大量人工劳动。随着行业加大对自主仓储技术的开发，用于托盘检测的机器视觉可从合成数据中受益。根据我们的方法，我们开发了一种工具，能够以像素级精度从三维模型自动生成大量带标注的训练数据，且速度远快于人工方法。在图像分割方面，我们使用了 Mask R-CNN 流程，其对单个托盘达到了 86% 的 AP50。
引用
@article{arxiv.2304.03602,
title = {Pallet Detection from Synthetic Data Using Game Engines},
author = {Jouveer Naidoo and Nicholas Bates and Trevor Gee and Mahla Nejati},
journal= {arXiv preprint arXiv:2304.03602},
year = {2023}
}
备注
9 Pages, 10 Figures