利用质心三元损失学习嵌入向量进行机器抓取中的物体识别 原文约200字,阅读约需1分钟。发表于:2024-04-09T00:00:00Z。 基于基础模型的对象识别模型训练中,采用质心三元组损失的方法,实现了高准确率和灵活的输入尺寸,同时在需要细粒度检测的 HOPE 数据集上表现优于相关方法。 该研究提出了一种视频中基于物体为中心的模型,通过插槽和物体原型处理遮挡,无需 ID 标签,并通过自我监督的期望最大化损失函数实现物体关联。实验证明该方法在物体为中心的学习领域具有卓越性能。 插槽 物体为中心 物体原型 自我监督 视频