SKU-Patch:面向 Auto-Store 中未见物体的高效实例分割
原文中文,约500字,阅读约需2分钟。发表于: 。在大规模仓库中,对于机器人的货箱拾取来说,精确的实例掩模至关重要,但往往很难获得。本文提出了一种新的基于补丁引导的实例分割解决方案 SKU-Patch,利用每个新的 SKU 仅需少量图像补丁来预测准确和稳健的掩模,避免了繁琐的手动操作和模型重训练。技术上,我们设计了一种新颖的基于 Transformer 的网络,具备(i)用于捕捉由补丁信息校准的多层次图像特征的图像补丁 -...
本文介绍了一种新的实例分割解决方案SKU-Patch,利用少量图像补丁预测掩模,避免手动操作和模型重训练。实验证明SKU-Patch性能超过现有方法,对50多个SKU的平均抓取成功率接近100%,显示出其有效性和实用性。