|
|||||
|
|
| 基于卷积神经网络的室内场景识别 | |
| 作者姓名： | 杨鹏 蔡青青 孙昊 孙丽红 |
| 作者单位： | 河北工业大学人工智能与数据科学学院;智能康复装置与检测技术教育部工程研究中心;河北省控制工程技术研究中心 |
| 摘 要： | 场景识别一直是图像处理领域的重要问题之一,对研究移动机器人定位、计算机视觉等方面具有重要意义.然而,室内场景的复杂性与无序性使室内场景识别研究面临许多挑战.传统的手工提取特征无法充分描述室内场景的信息,而卷积神经网络提取的特征能够包含丰富的场景语义和结构信息,且对于平移、比例缩放、倾斜等形式的变形具有高度不变性,因此提出了应用基于卷积神经网络的GoogLeNet网络模型来完成识别任务的方法.该网络模型在深度学习框架Caffe上对MIT_Indoor数据集的识别准确率为59.7%,高于使用传统手工提取特征的算法的准确率,对比结果说明了深度卷积神经网络在室内场景识别问题上的有效性. |
| 本文献已被 CNKI 等数据库收录！ | |