实例分割是物流抓取场景中重要的前序视觉任务，在这一场景中，需要对同一类堆叠在一起的物体的不同个体进行分割，以便于机器人优化位姿，更高效地进行抓取和分拣。

但在大规模工业应用中，实例分割任务存在很多的挑战，诸如开放环境复杂多变、目标物体形状材质各异、未知物体根据客户需求不断流入、严重的遮挡会带来易混淆的遮挡边界及非连续自然的物体形状等。

针对不同的工业化问题，需要采取不同的解决方法。香港中文大学在读博士杨璧琦等人针对凹形物体（例如气门芯，直角手柄），设计了一种part-aware实例分割网络，将实例级分割转化为部件级分割，并将一个凹形物体拆分成若干凸型部件，再整合成完整的实例。

而针对仓库中SKU繁多、网络难以泛化的问题，杨璧琦等人还设计了一种半监督的网络SESR。该框架只需要虚拟数据和标注进行训练，不需要人工标注。在实际部署中，该方法对大量常见货物的分割效果均能满足工业需求。

8月18日晚6点，「AI新青年讲座」第148讲邀请到香港中文大学MiuLAR实验室在读博士杨璧绮参与，主讲《部署在工业化抓取场景中的实例分割》。