基于有限监督学习烘焙产品检测
计算机视觉与模式识别
2026-02-11 v1
摘要
监控剩余产品可提供有价值的洞察，用于优化未来生产。这一点尤其重要，因为德国面包店中新烘焙好的产品保质期极短。自动化此过程可降低劳动力成本，提高准确性并提升运营效率。我们提出使用目标检测模型从图像中识别烘焙产品。然而，德国烘焙产品的多样性导致完全监督训练代价高昂，限制可扩展性。虽然开放词汇检测器（如 OWLv2、Grounding DINO）提供灵活性，但我们展示它们对本任务不够。虽以面包店为动机，但我们的工作解决了在工业领域部署计算机视觉的更广泛挑战，此类任务高度专业且标注数据稀缺。我们编译了覆盖 19 类烘焙产品的数据集分割，并根据监督水平进行划分。我们提出两种训练工作流程，以有限监督训练目标检测模型。第一种方法将 OWLv2 与 Grounding DINO localisation 结合图像级监督，以弱监督方式训练模型。第二种方法通过细化在使用 Segment Anything 2 作为伪标签传播模型标注的视频帧上进行，以提高视角鲁棒性。我们采用 YOLOv11 完成检测任务，由于其速度与准确性的良好权衡。仅依赖图像级监督，模型实现平均精度 (mAP) 为 0.91。使用伪标签微调后，在非理想部署条件下模型性能提升 19.3%。将两种工作流程结合训练的模型在非理想部署条件下超越了完全监督的基线模型，尽管仅依赖图像级监督。
引用
@article{arxiv.2602.09979,
title = {Learning to Detect Baked Goods with Limited Supervision},
author = {Thomas H. Schmitt and Maximilian Bundscherer and Tobias Bocklet},
journal= {arXiv preprint arXiv:2602.09979},
year = {2026}
}