半监督深度快速实例检测与分割

在本文中，我们提出了一种半监督深度快速学习框架，用于在密集杂乱物品图像中进行实例检测与像素级语义分割。该框架可通过实时数据采集并自行生成相应真值，以在线方式快速增量学习新物品。为学习物品的各种组合，其可实时合成杂乱场景。整体方法基于导师-学生类比，其中深度网络（导师）经预训练用于类无关目标检测，为另一深度网络（学生）生成标注数据。学生利用定制的卷积神经网络头以实现快速学习。所提框架具有四个关键组成部分：半监督标注、遮挡感知杂乱合成、定制卷积神经网络头以及实例检测。该框架的初始版本于我们参加 2017 年亚马逊机器人挑战赛（ARC）期间实现。我们的系统在抓取、存放-抓取和存放任务中分别位列全球第 3、第 4 和第 5 名。所提框架为 ARC17 的改进版本，新增了实例检测和在线学习等新颖特性。