基于卷积神经网络的室内场景识别

• 作者: 孙丽红 孙昊 杨鹏 蔡青青
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 场景识别 图像处理 卷积神经网络 GoogLeNet Caffe
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP391.4
• 字数: 3439字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2017260

摘要

场景识别一直是图像处理领域的重要问题之一,对研究移动机器人定位、计算机视觉等方面具有重要意义.然而,室内场景的复杂性与无序性使室内场景识别研究面临许多挑战.传统的手工提取特征无法充分描述室内场景的信息,而卷积神经网络提取的特征能够包含丰富的场景语义和结构信息,且对于平移、比例缩放、倾斜等形式的变形具有高度不变性,因此提出了应用基于卷积神经网络的GoogLeNet网络模型来完成识别任务的方法.该网络模型在深度学习框架Caffe上对MIT_Indoor数据集的识别准确率为59.7％,高于使用传统手工提取特征的算法的准确率,对比结果说明了深度卷积神经网络在室内场景识别问题上的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鹏	河北工业大学人工智能与数据科学学院	162	1021	16.0	23.0
3	孙昊	河北工业大学人工智能与数据科学学院	25	83	6.0	8.0
9	孙丽红	河北工业大学人工智能与数据科学学院	3	10	2.0	3.0
10	蔡青青	河北工业大学人工智能与数据科学学院	3	10	2.0	3.0