利用变分自编码器从合成图像到真实图像迁移以实现精确位置检测
计算机视觉与模式识别
2018-07-06 v1
摘要
在真实世界中采集并标注相机图像是一项昂贵任务，而在仿真环境中合成带标注图像则易于收集大规模图像数据。然而，由于合成图像与真实图像之间存在差距，仅从合成图像学习可能无法在真实世界中达到预期性能。我们提出一种将所学物体位置检测从仿真环境迁移到真实世界的方法。该方法仅使用规模极有限的真实图像数据集，同时借助变分自编码器利用大规模合成图像数据集。此外，所提方法在不同光照条件、存在其他干扰物体以及不同背景下均表现稳定。实验结果表明其平均达到了 1.5mm 至 3.5mm 的精度。进一步，我们展示了该方法如何用于如“拾放”机器人任务等真实场景。
引用
@article{arxiv.1807.01990,
title = {Transfer Learning From Synthetic To Real Images Using Variational Autoencoders For Precise Position Detection},
author = {Tadanobu Inoue and Subhajit Chaudhury and Giovanni De Magistris and Sakyasingha Dasgupta},
journal= {arXiv preprint arXiv:1807.01990},
year = {2018}
}
备注
Copyright 2018 IEEE - Accepted at ICIP 2018, Athens, Greece, October 7-10, 2018. Video: https://youtu.be/30vji7nJibA. arXiv admin note: text overlap with arXiv:1709.06762