دراسة مقارنة لتقدير وضعية 6D للأجسام غير الملمس والمتماثلة المستخدمة في صناعة السيارات
| العنوان | دراسة مقارنة لتقدير وضعية 6D للأجسام غير الملمس والمتماثلة المستخدمة في صناعة السيارات |
|---|---|
| المؤلف | دوروك، عبد الله إينس، أوزكايا، T. E.، جوليز، F.، أوسلو، F. |
| تاريخ النشر: | 2023 |
| مكان النشر | - IEEE |
| الموضوع | تقدير الوضعية سداسية الأبعاد، الشبكات العميقة، عشوائية المجال، البيانات الاصطناعية |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 979-835033752-5 |
| رقم السجل | 9da85496-74e5-47ad-b8e3-85d18e6e7492 |
| التاريخ | 2023 |
| ملاحظات | توبيتاك |
| نص عينة | يتمتع تقدير وضعية 6D للأجسام الصناعية على صور RGB بإمكانية عالية لتسريع أتمتة العمليات الآلية في صناعة تصنيع السيارات. على الرغم من إمكاناتها العالية، لم تتم معالجة هذه المشكلة بشكل كافٍ في مجتمع الرؤية الحاسوبية. العوامل الرئيسية التي تؤدي إلى التحقيق في هذه المشكلة هي أن الأشياء الصناعية تكون عديمة الملمس ورقيقة ومتناسقة، مما يعيق التقدير التلقائي لوضعياتها من الصور الملونة. أظهرت نماذج التعلم العميق نتائج واعدة لتقدير وضعية الأشياء المنزلية بفضل توفر مجموعات بيانات كبيرة مع تسميات. على عكس العديد من الأشياء المنزلية، هناك عدد قليل من مجموعات البيانات الخاصة بالأشياء الصناعية ذات القدرة التمثيلية المحدودة، مما يقيد استخدام النماذج العميقة في تقدير وضعية الأشياء الصناعية. في هذه الدراسة، نقوم بدراسة مدى أهلية النماذج العميقة لتقدير وضعية 6D للأشياء الصناعية المستخدمة في صناعة تصنيع السيارات. ولتحقيق هذا الهدف، قمنا بمقارنة أداء ثلاثة نماذج عميقة، DeepIM، وCosyPose، وEPOS. ولتلبية الحاجة إلى مجموعة بيانات تدريب كبيرة لهذه النماذج، قمنا بإنتاج مجموعة بيانات تركيبية كبيرة من بيانات التصميم بمساعدة الكمبيوتر الخاصة بالأشياء الصناعية. نقوم أيضًا بجمع مجموعة بيانات حقيقية صغيرة لأغراض التدريب وتقييم الأداء. ونجد أن CosyPose يتفوق على الطرق الأخرى بفارق كبير، من خلال إظهار قدرته على حل مثل هذه المشكلة الصعبة. نلاحظ أيضًا أن نماذج التدريب ذات الصور الاصطناعية والحقيقية تحقق أفضل النتائج. |
| DOI | 10.1109/HORA58378.2023.10156677 |
