在含反射材料合成图像上训练目标检测器
计算机视觉与模式识别
2019-04-02 v1 图形学
机器学习
摘要
深度学习的一大挑战是需要获取大量带标签的训练数据集。虽然合成数据集可用于克服这一挑战，但这些数据集必须缩小现实差距，即在合成图像数据上训练的模型能够泛化到真实图像。尽管在若干应用场景中可认为现实差距已被弥合，在含反射材料的合成图像上训练仍需进一步研究。由于反射材料物体的外观受周围环境主导，在训练数据生成过程中需考虑这种交互。因此，本文中我们考察在训练目标检测器的合成图像生成背景下反射材料的影响。我们研究用于图像合成的渲染方法、域随机化的效果以及所用训练数据量的影响。为能将结果与最先进水平比较，我们聚焦于已被广泛研究的室内场景。在该场景下，卫浴家具是含反射材料物体的自然选择，我们报告了在真实与合成测试数据上的发现。
引用
@article{arxiv.1904.00824,
title = {Training Object Detectors on Synthetic Images Containing Reflecting Materials},
author = {Sebastian Hartwig and Timo Ropinski},
journal= {arXiv preprint arXiv:1904.00824},
year = {2019}
}