近年来,受益于深度卷积神经网络的成功,目标检测在准确性和效率上都取得了较大的进步。然而在算法的进步背后,海量的数据和注释必不可少。虽然通过相机或移动设备采集图像较为简单,但用于训练的目标注释需要在图像中确定目标的类别标签和边界框,人力成本较高。尤其是在需要专业知识或复杂的场景下,标注是难以获取的。尽管颇具挑战性,如何利用大规模未标注或部分标注数据减少标注成本并增强模型性能因其重要性正日益引起人们的关注。作为目标检测的典型应用场景,由于商品类别的差异性和多样性,标注的工作量影响了智能零售领域研究和应用的进度。首先,本文介绍了我们提出的IRC数据集。该数据集涵盖了10个大类200余种常见的零售商品,采集于真实无人冰柜环境下,包括超过3万张图片和37万个物体标注。同时考虑到实际环境的复杂,我们人为加入了多种异常场景。多种算法评测表明了数据集的挑战性及不同类别表现的差异性。为了解决大规模数据集的标注花费问题,我们提出了人机协同目标检测框架SPAL。该框架仅使用小部分标注初始化检测器,在学习过程中通过主动学习挖掘未标注图像,挑选有价值样本进行人工标注。同时使用自步学习的思想,从易到难给予剩余样本可信的伪标签。在迭代过程中控制选取参数的变化,最终得到一个标注良好的完整数据集和较好的检测模型。在PASCAL VOC和IRC数据集上进行的对比实验表明,我们提出的框架具有良好的鲁棒性,在小数据量上表现良好。与其他持续学习框架相比,SPAL可以用更少的标注实现相当的检测性能,避免伪标注错误积累带来的精度下降问题。进一步的,针对智能零售类别变化快的特点和IRC数据集的领域先验知识,本文提出了一种自监督增量学习框架SILM。加入原检测器不包含的类别时,在没有新类别标注的前提下,构建一个与检测器共享参数的特征提取器,通过对新样本的特征提取和聚类,迭代标注新样本,更新训练集和检测器,从而得到适应无标注新类别的模型。实验结果表明,该方法可以基于类别进行自动标注,从而大大减少了工作量,提高了模型的快速适应性。