有效的RGB-D圖像特征提取和準(zhǔn)確的3D空間結(jié)構(gòu)化學(xué)習(xí)是提升RGB-D場景解析結(jié)果的關(guān)鍵。目前,全卷積神經(jīng)網(wǎng)絡(luò)（FCNN）具有強(qiáng)大的特征提取能力,但是,該網(wǎng)絡(luò)無法充分地學(xué)習(xí)3D空間結(jié)構(gòu)化信息。為此,提出了一種新穎的三維空間結(jié)構(gòu)化編碼深度網(wǎng)絡(luò),內(nèi)嵌的結(jié)構(gòu)化學(xué)習(xí)層有機(jī)地結(jié)合了圖模型網(wǎng)絡(luò)和空間結(jié)構(gòu)化編碼算法。該算法能夠比較準(zhǔn)確地學(xué)習(xí)和描述物體所處3D空間的物體分布。通過該深度網(wǎng)絡(luò),不僅能夠提取包含多層形狀和深度信息的分層視覺特征（HVF）和分層深度特征（HDF）,而且可以生成包含3D結(jié)構(gòu)化信息的空間關(guān)系特征,進(jìn)而得到融合上述3類特征的混合特征,從而能夠更準(zhǔn)確地表達(dá)RGB-D圖像的語義信息。實(shí)驗(yàn)結(jié)果表明,在NYUDv2和SUNRGBD標(biāo)準(zhǔn)RGB-D數(shù)據(jù)集上,該深度網(wǎng)絡(luò)較現(xiàn)有先進(jìn)的場景解析方法能夠顯著提升RGB-D場景解析的結(jié)果。 

【文章來源】：計(jì)算機(jī)應(yīng)用. 2017,37(12)北大核心CSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 三維空間結(jié)構(gòu)化編碼深度網(wǎng)絡(luò)
    1.1 特征提取層
        1.1.1 全卷積神經(jīng)網(wǎng)絡(luò)
        1.1.2 超像素分割
    1.2 結(jié)構(gòu)化學(xué)習(xí)層
        1.2.1 條件隨機(jī)場
        1.2.2 空間結(jié)構(gòu)化編碼算法
    1.3 特征融合層
        1.3.1 深度置信網(wǎng)絡(luò)
        1.3.2 特征融合學(xué)習(xí)
2 實(shí)驗(yàn)結(jié)果與分析
    2.1 實(shí)驗(yàn)設(shè)置
    2.2 NYUDv2
    2.3 SUNRGBD
3 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)行人檢測方法[J]. 徐超,閆勝業(yè).  計(jì)算機(jī)應(yīng)用. 2017(06)
[2]基于Hadoop的超像素分割算法[J]. 王春波,董紅斌,印桂生,劉文杰.  計(jì)算機(jī)應(yīng)用. 2016(11)
[3]一種雙層條件隨機(jī)場的場景解析方法[J]. 李艷麗,周忠,吳威.  計(jì)算機(jī)學(xué)報(bào). 2013(09)



本文編號(hào)：3642281