手动装配场景中近实时自我中心感知的小目标检测
计算机视觉与模式识别
2021-06-14 v1 人工智能
人机交互
摘要
在头戴式增强现实设备的视频流中近实时检测小目标是一个巨大挑战：训练数据通常稀缺，输入视频流质量可能有限，且小目标素来难以检测。然而，在工业场景中，通常可利用上下文知识来检测小目标。此外，物体的 CAD 数据通常可用，并可用于生成合成训练数据。我们描述了一种用于手动装配场景中自我中心感知的近实时小目标检测流水线：我们在 Unity 中基于 CAD 数据和真实背景生成训练数据集。然后我们训练一个 YOLOv4 模型用于两阶段检测过程：首先识别上下文，然后检测感兴趣的小目标。我们在增强现实设备 Microsoft Hololens 2 上评估了我们的流水线。
引用
@article{arxiv.2106.06403,
title = {Small Object Detection for Near Real-Time Egocentric Perception in a Manual Assembly Scenario},
author = {Hooman Tavakoli and Snehal Walunj and Parsha Pahlevannejad and Christiane Plociennik and Martin Ruskowski},
journal= {arXiv preprint arXiv:2106.06403},
year = {2021}
}
备注
Accepted for presentation at EPIC@CVPR2021 workshop