文件名称：论文研究-多尺度卷积递归神经网络的RGB-D物体识别.pdf
文件大小：1.45MB
文件格式：PDF
更新时间：2022-08-11 12:11:30
多尺度,3D曲面法线,递归神经网络,RGB-D物体识别
为充分利用RGB-D图像提供的潜在特征信息，提出了多尺度卷积递归神经网络算法（multi-scale convolutional-recursive neural networks，Ms-CRNN）。该算法对RGB-D图像的RGB图、灰度图、深度图及3D曲面法线图进行不同尺度分块形成多个通道，每个通道与相应尺寸的滤波器卷积，提取的特征图经局部对比度标准化和下采样后，作为递归神经网络（recursive neural networks，RNN）层的输入以得到更加抽象的高层特征；融合后的多尺度特征由SVM分类器进行分类。基于RGB-D数据集的仿真实验结果表明，综合利用RGB-D图像的多尺度特征，提出的Ms-CRNN算法在物体识别率上达到88.2%，与先前方法相比有了较大的提高。