公开(公告)号：CN108334830B

公开(公告)日：2022-10-04

申请号：CN201810071440.4

申请日：2018-01-25

Applicant: 南京邮电大学

Inventor： 孙宁 ,  李文丽 ,  李晓飞

IPC: G06V20/00 ,  G06V10/424 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06N3/04

Abstract: 一种基于目标语义和深度外观特征融合的场景识别方法，具体步骤为：获取待识别的场景图像；提取场景图像的目标语义信息，生成保持空间布局信息的目标语义特征；提取场景图像的外观上下文信息，生成外观上下文特征；提取场景图像的外观全局信息，生成外观全局特征；根据目标语义特征、外观上下文特征和外观全局特征，获取场景图像的识别结果。本发明采用多类目标检测器算法，精准地获取关键目标、类别及其布局信息；通过SFV模型获取室内场景图像的目标语义特征；卷积层和LSTM层组成端到端可训练的混合DNN网络结构可以有效提取场景图像的上下文相信息。该方法融合了目标语义信息、全局外观信息和外观的上下文特征，提高了识别算方法的识别率和鲁棒性。

公开(公告)号：CN108334830A

公开(公告)日：2018-07-27

申请号：CN201810071440.4

申请日：2018-01-25

Applicant: 南京邮电大学

Inventor： 孙宁 ,  李文丽 ,  李晓飞

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 一种基于目标语义和深度外观特征融合的场景识别方法，具体步骤为：获取待识别的场景图像；提取场景图像的目标语义信息，生成保持空间布局信息的目标语义特征；提取场景图像的外观上下文信息，生成外观上下文特征；提取场景图像的外观全局信息，生成外观全局特征；根据目标语义特征、外观上下文特征和外观全局特征，获取场景图像的识别结果。本发明采用多类目标检测器算法，精准地获取关键目标、类别及其布局信息；通过SFV模型获取室内场景图像的目标语义特征；卷积层和LSTM层组成端到端可训练的混合DNN网络结构可以有效提取场景图像的上下文相信息。该方法融合了目标语义信息、全局外观信息和外观的上下文特征，提高了识别算方法的识别率和鲁棒性。