基于多模态的在线序列极限学习机研究

• 作者: 李琦 谢珺 张喆 董俊杰 续欣莹
• 来源期刊: 计算机工程
• 关键词: 多模态 RGB颜色三通道 局部感受野 在线序列极限学习机 物体材质分类
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 67-73,80
• 页数: 8页
• 分类号: TP389.1
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0058173

摘要

单一模态包含的物体信息有限,导致在物体材质识别分类中表现不佳,而传统多模态融合方法在样本训练过程中需要输入所有数据.提出一种多模态的多尺度局部感受野在线序列极限学习机方法.对物体不同模态样本运用改进的特征提取框架,利用多尺度局部感受野感知样本信息提取特征,并将不同模态特征融合后通过在线序列极限学习机进行训练学习.在线序列极限学习机在训练过程中增量式地输入样本进行训练,当有新数据需要训练时无需对所有数据重新训练.在TUM触觉纹理数据库上进行验证,实验结果表明,多模态融合的分类精度高于单模态的分类精度,且改进的特征提取框架可以显著提升分类性能.