一种基于改进卷积神经网络的RGB-D室内场景分类方法

摘要：

RGB-D室内场景分类是一项极具挑战性的工作,卷积神经网络在场景分类方面已经取得了非常好的效果,但是由于室内场景存在多种目标且布局复杂,另外不同类别的场景之间存在相似性,因此传统卷积神经网络直接应用于室内场景分类存在着很多问题.针对这些问题,本文提出一种改进的基于卷积神经网络的RGB-D室内场景分类方法,包括2个分支,一个是基于ResNet-18的全局特征提取分支,另一个是深度与语义信息的融合分支.将2个分支得到的特征进行融合,达到室内场景分类的目的.在SUN RGB-D数据集上的实验结果表明,所提出的方法优于现有的对比方法.

关键词：卷积神经网络、场景分类、深度学习

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;常州市科技支撑计划项目

在线出版日期：2023-05-11（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：73-77