基于卷积神经网络的单幅图像室内物体姿态估计

• 作者: 刘复昌 姚争为 方鹏飞
• 来源期刊: 杭州师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 姿态估计 室内场景 目标检测 卷积神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 物理与计算机科学
• 页码范围: 105-112
• 页数: 8页
• 分类号: TP389.1
• 字数: 3195字
• 语种: 中文
• DOI: 10.12191/j.issn.1674-232X.2020.01.017

摘要

单幅图像的目标检测和物体姿态估计一直是计算机视觉领域中非常重要的研究内容.利用卷积神经网络对单幅室内场景图像进行研究分析,提出了一种基于卷积神经网络的单幅图像室内物体姿态估计算法.该算法采用直接分类预测的方法来实现物体的姿态估计.通过改进Faster-RCNN 网络结构,利用室内场景数据集SUNRGB-D训练网络,实现端到端单幅室内图像目标检测和姿态估计.实验结果表明,该算法目标检测平均准确度为70％,姿态估计结果中平移估计准确度为28％,旋转角度估计准确度为30％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚争为	杭州师范大学国际服务工程学院	22	148	6.0	11.0
2	刘复昌	杭州师范大学国际服务工程学院	7	19	3.0	4.0
3	方鹏飞	杭州师范大学国际服务工程学院	1	1	1.0	1.0