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：。

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。