【技术实现步骤摘要】
一种用于机器人分拣的自监督小样本实例分割方法
[0001]本专利技术涉及智能机器人
，尤其是涉及一种用于机器人分拣的自监督小样本实例分割方法。
技术介绍
[0002]在非结构环境下分拣货物是机器人重要且非常有挑战性的任务，是工业和物流领域亟需的一项技术。随着视觉深度学习的发展，机器人分拣技术取得了重大的进展。典型的机器人视觉分拣解决方案是先用一个语义分割模型来将物体的精确位置和物体的身份联系起来，紧接着一个轻量的抓取模型来抓取目标物体。但是，这些方法虽然在物体有限且严格不变的环境中能有很好的性能，但在经常遇到新的、没见过的物体的场景中往往失败。换句话说，这些方法仅仅赋予了机器人分拣在训练集中训练过的物体的能力，而无法将识别能力泛化到没见过的物体上。为了解决这个问题，有学者提出了经典的“先乱序抓取再进行识别”的两步方案。但是，这个方法在只有几个特定物体需要被分拣出来的场景下很不灵活。一种可能的机器人分拣的解决方案是采用小样本语义分割，通过少量数据让机器人快速适应分割新的物体。然而，多数小样本语义分割工作都聚焦在分割图片中...
【技术保护点】
【技术特征摘要】
1.一种用于机器人分拣的自监督小样本实例分割方法，其特征在于，该方法包括：构建小样本实例分割网络，该网络为基于SOLO的神经网络模型；采用自监督策略对小样本实例分割网络进行训练。2.根据权利要求1所述的一种用于机器人分拣的自监督小样本实例分割方法，其特征在于，所述的小样本实例分割网络包括：编码器：提取输入图片的元特征；分类分支：基于编码器输出的元特征对物体按照位置进行分割，确定分割的网格的中心位置类别；分割分支：基于编码器输出的元特征以及分类分支确定的中心位置类别为每个实例产生掩模。3.根据权利要求2所述的一种用于机器人分拣的自监督小样本实例分割方法，其特征在于，所述的自监督策略包括：获取支持集图片，使用背景相减法分割前景和背景，在此基础上利用two
‑
pass算法得到支持集图片标签；采用图像增强技术获取支持集图片对应的查询集图片以及对应的标签；采用支持集图片和查询集图片进行自监督式训练。4.根据权利要求3所述的一种用于机器人分拣的自监督小样本实例分割方法，其特征在于，训练小样本实例分割网络的具体过程包括：内循环阶段：将支持集图片输入至小样...
【专利技术属性】
技术研发人员：郭伟坤，李伟，胡梓烨，候梓越，魏秉晟，刘翼，毕一飞，
申请(专利权)人：复旦大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。