基于CAD模型虚拟仿真数据的深度学习目标检测

• 作者: 姜定 李福东 俞松 杨月全
• 来源期刊: 扬州大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器视觉 深度学习 目标检测 虚拟仿真
• 年，卷（期）: 2021,（4）
• 页码范围: 44-49
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2021.04.008

摘要

有效的深度学习网络在训练过程中所需数据规模大,而数据的采集与标注极为耗时耗力,限制了深度学习在工业上的应用范围.针对该问题,基于工业生产中常用的CAD模型,结合实际的工业应用背景,设计了一套参数化生成虚拟仿真工件图像数据集的方法,避免工业现场繁琐的平台搭建与数据采集过程.同时,提出一种基于YOLOv3的改进深度学习网络的工业零件目标检测方法,通过优化模型和参数提升深度学习网络性能表现.实验结果表明,相较于传统的YOLOv3算法,该方法灵活高效且获取数据快,实用性更强.