Učenje konvolucijskih nevronskih mrež iz sintetičnih podatkov na primeru detekcije rok

Aljaž, Barbara (author), Čehovin Zajc, Luka (mentor)

Za učenje konvolucijskih nevronskih mrež je potrebna velika količina podatkov, ki jih je potrebno pridobiti in anotirati. Pogosto se za povečanje učnih zbirk uporabljajo različne augmentacije, mi pa smo v tem diplomskem delu raziskali možnost uporabe umetno generiranih podatkov. Ustvarili smo jih na podlagi tridimenzionalnega modela in parametre, ki so vplivali na zajete slike, nadzorovali avtomatsko. Delovali smo na primeru zaznave človeških rok in detektor preizkusili na dveh zbirkah realnih slik v okviru scenarija brezdotične interakcije med človekom in računalnikom. Primerjali smo ga z detektorjem, naučenim iz realističnih podatkov in analizirali razlike. Rezultati predstavljenega eksperimenta so obetavni in nakazujejo več možnosti za nadaljnji razvoj take vrste učenja.

• Language: Slovenian
• Keywords: računalniški vid, konvolucijske nevronske mreže, YOLO, umetno generirani podatki
• Work type: Bachelor thesis/paper
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2018
• PID: 20.500.12556/RUL-102683
• Publication date in RUL: 06.09.2018

Secondary language

• Language: English
• Title: Using synthetic data to train convolutional neural networks for the case of hand detection

Abstract

Convolutional neural networks require a large amount of data for training that need to be collected and annotated. Methods used to enlarge learning dataset usually include different augmentations, but in this thesis we researched the possibility of using artificially generated data samples. We created them using a three dimensional model and automatically controlled parameters that influenced captured images. We worked on the example of human hand detection and evaluated our detector on two datasets of real images for a touch-less interface human-computer interaction scenario. We compared it with a detector trained on real life data and analyzed the differences. Results of the experiment are promising and present many opportunities for further development of such training technique.

• Keywords: computer vision, convolutional neural networks, YOLO, synthetic data