【ARVR算法专栏】Google发布新的对象检测数据集：Objectron

Google发布的Objectron数据集包含大量3D注释视频，用于训练移动设备上的实时3D对象检测模型。数据集涵盖多种类别，具有相机姿势和AR元数据，推动计算机视觉在增强现实、机器人等领域的发展。同时，Google提供了基于该数据集训练的3D对象检测解决方案。

仅通过在照片上训练模型，机器学习就已在许多计算机视觉任务中达到了不错的准确性，基于这些不断发展的如3D对象理解在增强现实，机器人技术，自主性和图像检索等广泛应用方面具有巨大潜力。例如，今年早些时候，Google发布了MediaPipe Objectron（一套针对移动设备设计的实时3D对象检测模型），它们在完全注释的真实3D数据集上进行了训练，可以预测对象的3D边界框。

Objectron数据集是一个精简的，以对象为中心的视频剪辑的集合，其中随附有AR session元数据，其中包括相机姿势，稀疏点云以及周围环境中平面的特征。在每个视频中，相机都会在物体周围移动，从不同角度捕获物体。数据还包含每个对象的手动注释3D边界框，这些边界框描述了对象的位置，方向和尺寸。数据集包括15K带注释的视频剪辑，并补充了以下类别中的4M带注释的图像：bikes, books, bottles, cameras, cereal boxes, chairs, cups, laptops和shoes。此外，为了确保地理多样性，数据集来自五大洲的10个国家/地区。与数据集一起，Google还将共享3D对象检测解决方案用于四类物体：鞋子，椅子，杯子和照相机。这些模型是使用此数据集进行训练的，并在MediaPipe中发布。