基于张量分解融合RGB-D图像的物体识别

摘要：

为了充分利用RGB-D图像的深度图像信息,提出了基于张量分解的物体识别方法.首先将RGB-D图像构造成一个四阶张量,然后将该四阶张量分解为一个核心张量和四个因子矩阵,再利用相应的因子矩阵将原张量进行投影,获得融合后的RGB-D数据,最后输入到卷积神经网络中进行识别.RGB-D数据集中三组相似物体的识别结果表明,利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率,并且单一错分实例的准确率最高可提升99%.

关键词：RGB-D图像融合、卷积神经网络、张量分解、Tucker分解、物体识别

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61372173,61671163,11871168;广东省自然科学基金2018A030310593;广东工业大学2017年中央财政支持地方高校发展专项资金项目201707

在线出版日期：2019-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：174-178