Core Concepts
Die Kombination von Domain Randomization und Domainwissen ermöglicht eine erfolgreiche sim-zu-real Generalisierung in der industriellen Anwendung der Objekterkennung von Klemmleisten.
Abstract
Die Studie untersucht die Auswirkungen synthetischer Trainingsdaten auf die Objekterkennung von Klemmleisten in der Industrie. Es wird gezeigt, dass die Skalierung der Bilder entscheidend ist, insbesondere wenn sich Objektklassen nur in der Größe unterscheiden. Die Ergebnisse demonstrieren, dass der sim-zu-real-Domänenunterschied signifikant reduziert werden kann, wenn optimierte Skalierungsfaktoren verwendet werden. Die Leistung der DL-Modelle hängt stark von der Bildskalierung ab, wobei unter optimierten Bedingungen eine hohe Erkennungsrate erzielt wird.
Struktur:
- Einleitung
- Hintergrund und Motivation
- Methodik der Bildsynthese
- Experimente und Ergebnisse
- Diskussion
- Schlussfolgerungen
Stats
Die Ergebnisse zeigen, dass die DL-Modelle unter optimierten Skalierungsbedingungen eine hohe Erkennungsrate erzielen.
Die sim-zu-real-Domänenlücke kann durch die Verwendung von optimierten Skalierungsfaktoren signifikant reduziert werden.
Quotes
"Die Kombination von Domain Randomization und Domainwissen ermöglicht eine erfolgreiche sim-zu-real Generalisierung in der industriellen Anwendung der Objekterkennung von Klemmleisten."