高置信度实例边界回归模型

边界可靠 抓取更准

BGF模型直接回归显著目标的实例边界，并配有边界置信度输出，比传统分割网络在边界提取和泛化上更可靠。

Lv, Ziqi · 王卫东 · Zhang, Kanghui · Rui, Tian · Lv, Yonghan · Sun, Meijie · 徐志强

Engineering Applications of Artificial Intelligence 2024

技术优势

边界更可靠

通过直接回归高置信度边界，模型能够输出可靠的实例边界，减少错误抓取或漏抓。

泛化能力强

在多个数据集上的实验表明，BGF 比传统分割网络具有更可信的边界提取和泛化能力。

特征提取增强

引入注意力机制和辅助分支，增强模型对边界特征的提取能力，从而提升边界回归精度。

应用场景

• 煤矸石分选机器人：用高置信度边界引导机器人精确抓取煤矸石，避免误抓或漏抓。
• 抓取策略：提供可靠实例边界，使机器人在众多干扰物中灵巧抓取目标。
• 工业场景实例分割：超越传统分割掩膜，直接回归可判断可靠性的实例边界。
• 工业视觉引导：为工业机器人提供精准视觉引导，提升分选作业效率。