多尺度卷积递归神经网络的RGB-D物体识别

作     者：骆健 蒋旻 刘星 周龙 Luo Jian Jiang Min Liu Xing Zhou Long

作者机构：武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室武汉430065 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2017年第34卷第9期

页      面：2834-2837,2870页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金面上项目(41571396) 国家创新训练项目(201410488017) 

主　　题：多尺度 3D曲面法线 递归神经网络 RGB—D物体识别 

摘      要：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。