非结构环境（一种没有明确结构、不规则的环境，即目标周围的环境信息非固定，不可知）三维实例级物体的检测在智能监控，视觉导航，人机交互，智能服务等领域有着重要的应用。为实现目标检测中的两个关键的子任务：目标识别和目标定位，
（1） 利用传统机器学习方法，设计实现了级联式分类器，在复杂多变的应用环境（多视角，多尺度，不同背景，不同光照条件）下，算法能以平均20fps 的处理速率得到高于80%的平均召回率（recall）与准确率（precision）；
（2） 利用深度学习方法，采用生成式反卷积网络GDDNE与对抗生成式网络AGR-FCN相结合的策略，与另一款设计的保持特征向量独立性的半监督神经检测网络SVD-RCNN一样，只需要5%的手工标注训练数据外加95%的生成式标注数据或非标注训练数据，就可获得与使用100%手工标注的真实训练数据进行训练后相当的检测精度效果。
