-
公开(公告)号：CN106650798A
公开(公告)日：2017-05-10
申请号：CN201611120285.8
申请日：2016-12-08
Applicant: 南京邮电大学
CPC classification number: G06K9/6256 , G06K9/6268 , G06N3/08
Abstract: 本发明公开了一种结合深度学习与稀疏表示的室内场景识别方法，包括步骤：从室内场景库中随机挑选若干张室内场景图像作为训练样本，将剩余作为测试样本；利Fast‑RCNN算法对训练和测试样本进行物体类别判别和检测，以构建得到每张室内场景图像的底层特征；利用词袋模型将每张室内场景图像的底层特征和空间特征结合，构建得到中层特征；对训练样本中的中层特征进行糅合构建得到稀疏字典；利用稀疏字典对测试样本进行稀疏表示，及根据求解出的稀疏解与所输入的测试样本计算得到残差，并根据残差的大小判断测试样本所属的物体类别；将判断得到所属的物体类别输出。本发明能准确识别室内场景，可有效提高室内场景识别的准确率和鲁棒性，具有很高的实用性能。
-
公开(公告)号：CN106650798B
公开(公告)日：2019-06-21
申请号：CN201611120285.8
申请日：2016-12-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种结合深度学习与稀疏表示的室内场景识别方法，包括步骤：从室内场景库中随机挑选若干张室内场景图像作为训练样本，将剩余作为测试样本；利Fast‑RCNN算法对训练和测试样本进行物体类别判别和检测，以构建得到每张室内场景图像的底层特征；利用词袋模型将每张室内场景图像的底层特征和空间特征结合，构建得到中层特征；对训练样本中的中层特征进行糅合构建得到稀疏字典；利用稀疏字典对测试样本进行稀疏表示，及根据求解出的稀疏解与所输入的测试样本计算得到残差，并根据残差的大小判断测试样本所属的物体类别；将判断得到所属的物体类别输出。本发明能准确识别室内场景，可有效提高室内场景识别的准确率和鲁棒性，具有很高的实用性能。
-
Search Results
2
records
(took 0.017 seconds)
