Camera simulation for YoloV5 training and optimization

Nowadays, one of the biggest challenges in machine learning and artificial intelligence is the acquisition of labeled data since it usually is a heavy time and money consuming task. The aim of this document is to propose a solution that tries to automatize this process by adapting an already existing robot simulator’s rendering software in order to produce synthetic images. Those images will then be used to train the YoloV5 algorithm and it will be verified how well the algorithm performs onto real new images.

Oggigiorno, una delle sfide più grandi nell’ambito del machine learning e dell’intelligenza artificiale è l’acquisizione di dati etichettati, in quanto è usualmente un compito molto impattante in termini di tempo e costi. L’obiettivo di questo elaborato è quello di proporre una soluzione che cerca di automatizzare questo processo adattando un già esistente software di rendering di simulazione robotica per la creazione di immagini sintetiche. Queste immagini verranno poi utilizzate per allenare l’algoritmo YoloV5 e sarà verificata la qualità delle prestazioni su nuove immagini reali.