一个使用3D建模框架和raycaster的合成细分数据集生成器:一个采矿业应用程序

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 地质工程是地质工程.

背景情况:

• 深度学习,特别是图像细分,对于工业效率和成本降低至关重要.
• 用于培训细分模型的手动数据集创建是耗时和昂贵的,特别是对于像深层挖矿这样的专业应用程序.
• 合成数据集已成为培训准确细分模型的可行替代方案.

研究的目的:

• 提出和验证一种新的合成细分数据集生成器.
• 为了应对深层采矿中手动数据采集的挑战.
• 为了证明发电机对各种应用的可定制性.

主要方法:

• 开发一个合成数据集生成器,使用3D建模框架和射线投射.
• 将发生器应用于深层采矿案例研究,以创建标记图像数据集.
• 使用生成的合成数据集对图像细分模型的培训和验证.

主要成果:

• 该生成器成功生成了用于深层采矿环境的标记数据集,从而消除了手动数据创建.
• 在合成数据集上训练的细分模型实现了高精度,与在真实数据集上训练的模型相比.
• 该发电机被证明可以适应创建各种其他应用程序的数据集.

结论:

• 拟议的合成数据集生成器有效地克服了用于图像分割的手动数据创建的局限性.
• 这种方法大大减少了与数据集开发相关的时间和成本,在像深层采矿这样的专业领域.
• 该生成器提供了一种灵活而准确的解决方案,用于在多个行业中训练深度学习细分模型.