Generación de datos sintéticos con objetos de cocina para entrenar redes neuronales de convolución

Abstract

El reconocimiento de objetos ha sido un problema ampliamente analizado en el campo de la visión por computador desde hace muchos años. En este artículo utilizamos el modelo de red neuronal Mask R-CNN para detectar y segmentar algunos objetos de cocinas usando imágenes RGB. Existen algunas bases de datos públicas con los objetos segmentados y etiquetados por clases, para entrenar este tipo de redes pero normalmente no incluyen clases para aplicaciones concretas. Crear un conjunto de datos etiquetado a mano completamente es una tarea muy tediosa y larga. Proponemos un método eficiente para crear imágenes etiquetadas con poco esfuerzo combinando imágenes de fondos con objetos segmentados. Las imágenes se pueden crear manteniendo el realismo en cuanto a la posición y la escala de los objetos, o automáticamente mediante un posicionamiento aleatorio. Se presenta finalmente una comparación de los resultados obtenidos al entrenar la red con ambos conjuntos de datos creados de forma sintética.