基于卷積神經(jīng)網(wǎng)絡(luò)的RGB-D圖像室內(nèi)場景識別研究.pdf

1、場景識別是計算機(jī)視覺的重要課題之一，在許多領(lǐng)域已經(jīng)得到廣泛應(yīng)用，主要包括大型數(shù)據(jù)庫的圖像信息檢索、機(jī)器人的移動定位與環(huán)境交互、安防監(jiān)控領(lǐng)域的事件檢測等。場景識別具有重要的研究和應(yīng)用價值。室內(nèi)場景識別相較于室外場景識別是更具挑戰(zhàn)性的計算機(jī)視覺任務(wù)，這是由室內(nèi)場景本身的復(fù)雜性決定的。室內(nèi)場景的深度信息可以有效提高室內(nèi)場景的識別效果。
　　卷積神經(jīng)網(wǎng)絡(luò)已被證明在大型圖像識別上具有出色的表現(xiàn)。本文針對傳統(tǒng)計算機(jī)視覺方法在室內(nèi)場景識別中存在

2、的識別準(zhǔn)確率低、手動提取的特征不夠泛化等問題，提出使用CNNs模型對包含深度信息的RGB-D室內(nèi)場景圖像進(jìn)行場景識別的研究。
　　本文首先調(diào)研了室內(nèi)場景識別的研究背景與意義，分析了室內(nèi)場景識別的技術(shù)難點(diǎn)與挑戰(zhàn)性。深入研究了場景圖像的特征選擇與提取方法，分析了傳統(tǒng)計算機(jī)視覺方法與卷積神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)。
　　基于AlexNet網(wǎng)絡(luò)結(jié)構(gòu)，本文根據(jù)不同的輸入特征設(shè)計5個不同的CNNs模型，使用Adam方法進(jìn)行訓(xùn)練，通過試驗分析C

3、NNs模型對室內(nèi)場景識別的效果以及深度信息對識別效果的影響。
　　為了進(jìn)一步探討CNNs模型的內(nèi)在視覺機(jī)制，本文對CNNs的參數(shù)做可視化效果呈現(xiàn)，分析CNNs模型的視覺機(jī)理。此外，本文還使用反向傳播算法計算出給定場景圖像給定分類標(biāo)簽下CNNs模型對圖像的顯著圖并可視化，探討室內(nèi)場景識別的注意力機(jī)制。
　　試驗結(jié)果表明CNNs模型獲得的分類準(zhǔn)確率遠(yuǎn)高于傳統(tǒng)的計算機(jī)視覺方法，增加深度信息可以有效提高場景分類的準(zhǔn)確率。CNNs模型