基于Detection Transformer的反射对称关系物体分类研究

Research on reflection symmetric relation object classification based on detection transformer

针对印刷包装过程中诸多具有反射对称关系的产品在分拣时主要依赖人工,效率低下且易出错的生产现状,提出使用一种基于Transformer的目标检测(Detection Transformer)算法,以医用外科手套左右手分类为例,使用固定式相机在相同背景下采集充气状态的左右手套图像,构建图像数据集,由于数据的有限性及单一重复性,模型训练时会出现过拟合现象。因此基于Python中imgaug库函数实施了一种数据增强策略,将图片与对应标注文件同时增强,不需要再人工标注,极大减小工作量,构建一个新数据集。两数据集的对比实验结果表明,这种数据增强方法可以缓解模型训练过程中的过拟合现象,提高模型的泛化性能,进而能够提升反射对称关系物体检测分类的准确率与效率。