结合深度学习与稀疏表示的室内场景识别研究

发布时间：2024-03-01 02:01

　　随着计算机视觉和智能机器人的发展,室内场景识别作为其中的关键技术之一,已经成为机器学习领域的重要研究问题,同时也是场景识别领域的一个研究难点。如果能够有效地提高室内场景的识别效果,将极大地推动智能机器人、图像检索、视频检索等领域的发展并带来巨大的经济效益。因此,能够有效地提高室内场景识别技术水平变得非常具有意义且挑战性。相比较于室外场景图像,室内场景图像中的内容元素更加复杂。由于室内场景本身存在多样性和复杂性,所以在同一类的场景下,采集到的场景图像之间的差异也会比较大。此外,场景图像还容易受到拍摄条件的干扰,尽管采集同一张场景图像,由于采集设备的不同、遮挡、光照、角度等变化,也可能造成场景图像的较大变化。因此室内场景识别中的图像样本往往呈现出类内差异大、类间差异小的特点。这种情况导致了使用传统的浅层特征很难对室内场景的语义信息进行描述,因而识别效果不佳。为此,围绕这些问题,相关研究人员进行了不懈的探索,但是仍然没有很好地解决室内场景图像识别率普遍较低的问题。究其原因是使用传统的浅层特征很难对室内场景的语义信息进行描述,不能有效地解决底层特征与高层语义之间所产生的语义鸿沟问题。为此本文首...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图1.1Scene15数据集部分图片

多类型目标检测中获得了突出的效果。场景库景识别的发展，涌现出了各种各样的场景库，其中主要包括：自然场景事件场景库，例如：Scene-15[11][29]、Graz[30]、UIUC-Sports[31]、Caltech-101[32]MITindoor[6]、CUReT[35]、....

图1.2MITindoor数据集部分图片

生学位论文 含899个种类共130519张图片。针对每一类图片，图像搜索引擎检索出来的，且....

图1.3SUN数据集部分图片

研究生学位论文 第一章绪论 包含899个种类共130519张图片。针对....

图1.4Places2数据集部分图片

图1.4Places2数据集部分图片主要研究内容景相比较于室外场景，不同类别的图像之间往往存在很多相似、角度、尺寸、遮挡等问题，使得室内场景往往存在类内差异造成了室内场景的识别效果远远低于室外场景的识别效果。而特征提取和分类器识别两部分。根据第一章的研究现状，我们层语义之间....

本文编号：3915265