مطالعه تطبیقی برای تخمین ژست 6 بعدی اجسام بدون بافت و متقارن مورد استفاده در صنعت خودروسازی
| عنوان | مطالعه تطبیقی برای تخمین ژست 6 بعدی اجسام بدون بافت و متقارن مورد استفاده در صنعت خودروسازی |
|---|---|
| نویسنده | دوروک، عبدالله انس، اوزکایا، تی. ای.، گولز، اف.، اوسلو، ف. |
| تاریخ انتشار: | 2023 |
| محل انتشار | - IEEE |
| موضوع | تخمین پوز 6 بعدی، شبکه های عمیق، تصادفی سازی دامنه، داده های مصنوعی |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 979-835033752-5 |
| شماره ثبت | 9da85496-74e5-47ad-b8e3-85d18e6e7492 |
| تاریخ | 2023 |
| یادداشتها | TÜBİTAK |
| متن نمونه | تخمین پوز 6 بعدی اشیاء صنعتی بر روی تصاویر RGB پتانسیل بالایی برای تسریع اتوماسیون دستکاری های رباتیک در صنعت خودروسازی دارد. با وجود پتانسیل بالای آن، این مشکل به اندازه کافی در جامعه بینایی کامپیوتر مورد توجه قرار نگرفته است. عوامل اصلی که منجر به بررسی این مشکل می شود، بدون بافت، نازک و متقارن بودن اشیاء صنعتی است که مانع از تخمین خودکار حالت آنها از تصاویر رنگی می شود. مدلهای یادگیری عمیق به لطف در دسترس بودن مجموعه دادههای بزرگ با برچسبها، نتایج امیدوارکنندهای را برای تخمین وضعیت اشیاء خانگی نشان دادهاند. برخلاف بسیاری از اشیاء خانگی، مجموعه دادههای کمی برای اشیاء صنعتی با ظرفیت نمایش محدود وجود دارد، که استفاده از مدلهای عمیق را در برآورد وضعیت اشیاء صنعتی محدود میکند. در این مطالعه، ما واجد شرایط بودن مدلهای عمیق در تخمین پوز 6 بعدی اشیاء صنعتی مورد استفاده در صنعت خودروسازی را بررسی میکنیم. برای این هدف، ما عملکرد سه مدل عمیق DeepIM، CosyPose و EPOS را مقایسه میکنیم. برای رفع نیاز به مجموعه داده آموزشی بزرگ این مدلها، ما یک مجموعه داده مصنوعی بزرگ از دادههای CAD اشیاء صنعتی تولید میکنیم. ما همچنین یک مجموعه داده واقعی کوچک را برای اهداف آموزش و ارزیابی عملکرد جمع آوری می کنیم. ما متوجه شدیم که CosyPose با نشان دادن پتانسیل خود برای حل چنین مشکل سختی، از روشهای دیگر با حاشیه بزرگ بهتر عمل میکند. همچنین مشاهده میکنیم که مدلهای آموزشی با تصاویر مصنوعی و واقعی بهترین نتایج را به همراه دارند. |
| DOI | 10.1109/HORA58378.2023.10156677 |
