申请/专利权人：深圳市格灵精睿视觉有限公司

申请日：2021-04-22

公开（公告）日：2024-06-28

公开（公告）号：CN113128411B

主分类号：G06F30/27

分类号：G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.08.03#实质审查的生效;2021.07.16#公开

摘要：本发明公开了一种跨域抓取识别方法、装置、电子设备及存储介质，涉及视觉技术领域，其中跨域抓取识别方法包括：生成图像跨域生成式对抗网络；利用所述图像跨域生成式对抗网络将源域图像生成具有目标域风格的伪目标域图像；构建初始抓取识别模型；利用所述伪目标域图像预训练所述初始抓取识别模型；根据预设的域分类器和所述初始抓取识别模型得到目标物体跨域抓取识别模型；建立多目标物体抓取数据集，根据所述多目标物体抓取数据集和所述目标物体跨域抓取识别模型进行复杂场景中目标物体的跨域抓取识别。上述跨域抓取识别方法，能够从数据层面和网络结构层面减小异域数据的差异，实现抓取识别模型的有效跨域迁移。

主权项：1.跨域抓取识别方法，其特征在于，包括：建立图像跨域生成机制；所述建立图像跨域生成机制，包括：获取对抗损失函数、循环一致性损失函数和重构损失函数；根据所述对抗损失函数、所述循环一致性损失函数和所述重构损失函数得到全局损失函数；根据所述全局损失函数建立所述图像跨域生成机制；利用所述图像跨域生成机制将源域图像生成具有目标域风格的伪目标域图像，并保留源域图像中目标物体的特征信息；构建初始抓取识别模型；所述构建初始抓取识别模型，包括：设置物体检测损失函数与抓取位姿测量损失函数；根据所述物体检测损失函数与抓取位姿测量损失函数得到目标优化函数；根据所述目标优化函数建立所述初始抓取识别模型；利用所述伪目标域图像训练所述初始抓取识别模型；所述利用所述伪目标域图像训练所述初始抓取识别模型，包括：根据所述伪目标域图像得到伪目标数据集；根据所述伪目标数据集训练所述初始抓取识别模型；根据预设的域分类器和所述初始抓取识别模型得到目标物体跨域抓取识别模型；所述根据预设的域分类器和所述初始抓取识别模型得到目标物体跨域抓取识别模型，包括：建立域分类器；将所述域分类器嵌入所述初始抓取识别模型中，得到所述目标物体跨域抓取识别模型；根据目标域图像得到目标域数据集；根据所述初始抓取识别模型与所述目标域数据集构建标签噪声鲁棒性损失函数；根据所述标签噪声鲁棒性损失函数、所述伪目标数据集和所述目标域数据集训练所述目标物体跨域抓取识别模型；建立多目标物体抓取数据集，根据所述多目标物体抓取数据集和所述目标物体跨域抓取识别模型进行目标物体的跨域抓取识别。

全文数据：

权利要求：

百度查询： 深圳市格灵精睿视觉有限公司 跨域抓取识别方法、装置、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD