基于卷积 : 递归神经网络和费舍尔向量的RGB-D物体识别

Translated title of the contribution: Object Recognition for RGB-D Images Based on Convolutional-Recursive Neural Network and Fisher Vector

牛力杰, 丛润民, 倪敏, 郑泽勋, 陈越, 罗晓维

Research output: Journal PublicationsJournal Article (refereed)peer-review

Abstract

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。
Translated title of the contributionObject Recognition for RGB-D Images Based on Convolutional-Recursive Neural Network and Fisher Vector
Original languageChinese (Simplified)
Pages (from-to)63-68
Number of pages6
Journal南开大学学报 (自然科学版) = Acta Scientiarum Naturalium (Universitatis Nankaiensis)
Volume54
Issue number2
Publication statusPublished - 20 Apr 2021
Externally publishedYes

Keywords

  • 物体识别
  • RGB-D图像
  • 卷积-递归神经网络
  • 费舍尔向量

Cite this