Análisis comparativo de datasets de imágenes reales vs. Imágenes sintéticas en entornosindustriales

Abstract

En este proyecto se pretende explorar los beneficios que ofrecen los datasets de imágenes sintéticas (renders) en entornos industriales. Para ello, se realiza una comparación entre modelos de detección de objetos entrenados con datasets puramente sintéticos y otros modelos entrenados con imágenes reales. Los modelos entrenados están basados en YoloV5. Además, con el diseño de un modelo ad-hoc (regresor a partir de una CNN), se explora el potencial de los datasets sintéticos para obtener información no disponible en imágenes reales (mapa de normales). De este modo, el proyecto concluye con un predictor de vectores normales a regiones de interés, una información de alto interés en operaciones industriales de pick&place.

This project aims to explore the benefits offered by synthetic image datasets (renders) in industrial environments. To do this, a comparison is made between object detection models trained with purely synthetic datasets and other models trained with real images. The trained models are based on YoloV5. In addition, with the design of an ad-hoc model (regressor from a CNN), the potential of synthetic datasets to obtain information not available in real images (map of normals) is explored. In this way, the project concludes with a predictor of normal vectors to regions of interest, information of high interest in industrial pick&place operations.