简介：自动结账(automatic check-out,ACO)任务旨在根据收银场景图像生成结算清单.在这项任务中,训练数据通常包含单个商品的图像,而测试数据则是多个商品的组合图像.现有方法通过图像合成来模拟真实的结账场景,但合成图像与实际场景图像仍存在显著差异.为解决这一问题,提出了一种基于特征聚合和知识蒸馏的自动结账网络模型FAKDNet.该模型通过一个多层特征聚合器(MFA)融合不同层级的特征,并充分考虑商品的姿态和几何布局,从而使合成的结账图像更接近真实场景.此外,FAKDNet在训练过程中利用来自大型神经网络ResNet 152的高级特征进行知识蒸馏,帮助更小型的神经网络ResNet50更有效地学习物体表征,从而提高对细粒度特征的识别能力.在零售商品自动结账数据集RPC上,FAKDNet在不同的测试模式下显示出优越的性能,其结账准确率在平均、简单、中等和困难四种模式下分别达到了93.46％、96.8％、94.02％和89.64％,优于现有的自动结账算法.展开
