【技术实现步骤摘要】
本专利技术涉及的是一种图像识别和机器人控制领域的技术，具体是一种强调任务关系的多类别抓取检测增量学习方法。
技术介绍
1、现有机器人多类别抓取检测技术通过多任务神经网络同时判断抓取物体的类别和位置，但需要标签复杂的多任务数据集进行训练和验证，由于待抓取目标在工程上具有特殊性，无法直接使用公开多任务数据集，制作复杂的多任务数据集工作量庞大，且无法充分利用已有的单任务数据集资源。
技术实现思路
1、本专利技术针对现有多类别复杂场景的机器人抓取技术必须使用同时具备物体检测标签和抓取检测标签的多任务数据集对网络进行训练和验证的不足，以及实际工程中待抓取目标的类别具备特异性，无法直接使用公开多任务数据集，制作复杂的多任务数据集工作量庞大的问题，提出一种强调任务关系的多类别抓取检测增量学习方法，能够高效训练多类别抓取检测网络，以实现在工程中进行多类别抓取检测。
2、本专利技术是通过以下技术方案实现的：
3、本专利技术涉及一种强调任务关系的多类别抓取检测增量学习方法，在训练阶段依...
【技术保护点】
1.一种强调任务关系的多类别抓取检测增量学习方法，其特征在于，在训练阶段依次构建并采用抓取检测数据集训练用于抓取检测的教师网络，构建并采用小型语义分割数据集训练用于语义分割和抓取检测的学生网络，同时教师网络基于任务关系函数对学生网络的抓取检测功能进行监督保护；在检测阶段将实时采集的RGB图像输入训练后的学生网络，得到RGB图像对应的带有种类信息的抓取检测框和语义分割掩模；
2.根据权利要求1所述的强调任务关系的多类别抓取检测增量学习方法，其特征是，所述的教师网络包括：依次连接的第一特征提取网络和第一抓取检测分支，其中：第一特征提取网络根据抓取检测数据集中的...
【技术特征摘要】
1.一种强调任务关系的多类别抓取检测增量学习方法，其特征在于，在训练阶段依次构建并采用抓取检测数据集训练用于抓取检测的教师网络，构建并采用小型语义分割数据集训练用于语义分割和抓取检测的学生网络，同时教师网络基于任务关系函数对学生网络的抓取检测功能进行监督保护；在检测阶段将实时采集的rgb图像输入训练后的学生网络，得到rgb图像对应的带有种类信息的抓取检测框和语义分割掩模；
2.根据权利要求1所述的强调任务关系的多类别抓取检测增量学习方法，其特征是，所述的教师网络包括：依次连接的第一特征提取网络和第一抓取检测分支，其中：第一特征提取网络根据抓取检测数据集中的rgb图像进行计算识别，得到rgb图像对应的抓取检测相关的高维特征；第一抓取检测分支根据高维特征和抓取检测真实标签计算抓取检测损失。
3.根据权利要求1所述的强调任务关系的多类别抓取检测增量学习方法，其特征是，所述的采用抓取检测数据集训练，具体包括：
4.根据权利要求1所述的强调任务关系的多类别抓取检测增量学习方法，其特征是，所述的学生网络包括：第二特征提取网络以及分别与之相连的第二抓取检测分支和第二语义分割分支，其中：第二特征提取网络根据语义分割数据集中的rgb图像进行计算识别，得到rgb图像对应的抓取检测和语义分割相关的高维特征；第二抓取检测分支根据抓取检测结果和抓取检测伪标签计算知识蒸馏损失ld；第二语义分割分支根据第二特征提取网络得到的高维特征生成语义分割掩模(mask)，根据语义分结果和语义分割真实标签计算语义分割损失lseg。
5.根据权利要求4所述的强调任务关系的多类别抓取检测增量学...
【专利技术属性】
技术研发人员：赵黄婷，郭逸，黄天艺，汪君令，何宗越，
申请(专利权)人：上海交通大学，
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。