一种基于跨域快速迁移的视觉拣选方法及装置

摘要

本发明公开了一种基于跨域快速迁移的视觉拣选方法及装置，从缩小跨域特征之间的差异度出发，考虑单一相似性度量的局限性，提出了基于特征相似性度量加权融合的算法，使用多种相似性度量加权融合，对跨域特征进行全面分析、约束，以减小特征差异，提高拣选模型在真实域工作的准确率和工作效率；提出基于注意力机制的对抗学习算法，在考虑全局特征的基础上，针对零件所在的局部区域特征，使用注意力机制着重减小该区域的差异性，以学习跨域不变的特征，实现跨越仿真域与真实域之间的鸿沟，保证跨域后模型性能的鲁棒性。