基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别 |
| |
引用本文: | 牛力杰,丛润民,倪敏,等.基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别[J].南开大学学报,2021,54(2):63. |
| |
作者姓名: | 牛力杰 丛润民 倪敏 等 |
| |
摘 要: | 综合利用彩色和深度信息,采用多数据模式的特征提取策略,提出一种基于卷积-递归神经网络和费舍尔向量的RGB-D 物体识别方法. 对于彩色图像和深度图像,分别利用卷积-递归神经网络和卷积-费舍尔向量-递归神经网络提取物体的纹理及形状特征. 为了更加全面的获取物体信息的特征表述,引入了灰度图像和表面法向量作为原始数据的补充,并利用卷积-递归神经网络提取特征. 最后,将4 种数据模式下提取到的特征融合起来,输入到softmax 分类器中实现RGB-D 物体识别. 在标准的RGB-D 数据库中对算法进行验证,所提算法可以有效提高物体识别率.
|
关 键 词: | 物体识别 RGB-D 图像 卷积-递归神经网络 费舍尔向量 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《南开大学学报》浏览原始摘要信息 |
| 点击此处可从《南开大学学报》下载免费的PDF全文 |
|