基于张量分解融合RGB-D图像的物体识别

• 作者: 余霆嵩 凌永权 文元美
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: RGB-D图像融合 卷积神经网络 张量分解 Tucker分解 物体识别
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 图形图像处理
• 页码范围: 174-178
• 页数: 5页
• 分类号: TP391.4
• 字数: 4650字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1710-0107

摘要

为了充分利用RGB-D图像的深度图像信息,提出了基于张量分解的物体识别方法.首先将RGB-D图像构造成一个四阶张量,然后将该四阶张量分解为一个核心张量和四个因子矩阵,再利用相应的因子矩阵将原张量进行投影,获得融合后的RGB-D数据,最后输入到卷积神经网络中进行识别.RGB-D数据集中三组相似物体的识别结果表明,利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率,并且单一错分实例的准确率最高可提升99%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文元美	广东工业大学信息工程学院	51	174	6.0	10.0
2	凌永权	广东工业大学信息工程学院	12	49	3.0	6.0
3	余霆嵩	广东工业大学信息工程学院	2	6	2.0	2.0