基于宽度学习方法的多模态信息融合

• 作者: 刘华平 孙富春 续欣莹 贾晨
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 宽度学习方法 多模态融合 相关性分析 特征提取 非线性变换 目标识别 神经网络 RGB-D图像分类
• 年，卷（期）: 2019,（1）
• 页码范围: 150-157
• 页数: 8页
• 分类号: TP391
• 字数: 5746字
• 语种: 中文
• DOI: 10.11992/tis.201803022

摘要

多模态机器学习通过有效学习各个模态的丰富特征来解决不同模态数据的融合问题.考虑到模态间的差异性,基于宽度学习方法提出了一个能够学习和融合两种模态特征的框架,首先利用宽度学习方法分别提取不同模态的抽象特征,然后将高维特征表示在同一个特征空间进行相关性学习,并通过非线性融合得到最后的特征表达,输入分类器进行目标识别.相关实验建立在康奈尔大学抓取数据集和华盛顿大学RGB-D数据集上,实验结果验证了相比于传统的融合方法,所提出的方法具有更好的稳定性和快速性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙富春	清华大学计算机科学与技术系	116	2389	20.0	47.0
5	刘华平	清华大学计算机科学与技术系	57	650	12.0	24.0
9	续欣莹	太原理工大学电气与动力工程学院	45	318	9.0	16.0
10	贾晨	太原理工大学电气与动力工程学院	4	12	1.0	3.0