模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2017, Vol. 30 Issue (12): 1091-1099    DOI: 10.16451/j.cnki.issn1003-6059.201712004
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于卷积递归神经网络和核超限学习机的3D目标识别*
刘阳阳,张骏,高欣健,张旭东,高隽
合肥工业大学 计算机与信息学院 合肥 230009
3D Object Recognition via Convolutional-Recursive Neural Network and Kernel Extreme Learning Machine
LIU Yangyang, ZHANG Jun, GAO Xinjian, ZHANG Xudong, GAO Jun
School of Computer and Information, Hefei University of Technology, Hefei 230009

全文: PDF (1607 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对大规模RGB-D数据集中存在的深度线索质量和非线性模型分类问题,提出基于卷积递归神经网络和核超限学习机的3D目标识别方法.该方法引入深度图编码算法,修正原始深度图中存在的数值丢失和噪声问题,将点云图统一到标准角度,形成深度编码图,并结合原始深度图作为新的深度线索.利用卷积递归神经网络学习不同视觉线索的层次特征,融入双路空间金字塔池化方法,分别处理多线索特征.最后,构建基于核方法的超限学习机作为分类器,实现3D目标识别.实验表明,文中方法有效提高3D目标识别率和分类效率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘阳阳
张骏
高欣健
张旭东
高隽
关键词 3D目标识别卷积递归神经网络递归神经网络核方法超限学习机    
Abstract:To tackle the issues of depth quality and non-linear classification in the large-scale RGB-D dataset, a 3D object recognition method is designed on the basis of convolutional-recursive neural network(CNN-RNN) and kernel extreme learning machine(KELM). Firstly, a depth coding algorithm is introduced to correct the numerical losses and noises in the original depth cue and unify the point cloud into the standard angle. And the original depth and the encoded depth are fused as the new depth cue. Secondly,multi-cue hierarchical features are learned using CNN-RNN. Meanwhile, the two-way spatial pyramid pooling method is exploited for each cue. Finally, KELM is constructed as the classifier to recognize 3D objects. The experimental results demonstrate the proposed method effectively improves the 3D object recognition accuracy and the classification efficiency.
Key words3D Object Recognition    Convolutional-Recursive Neural Network    Recursive Neural Network    Kernel Method    Extreme Learning Machine   
收稿日期: 2017-07-27     
ZTFLH: TP 391.41  
基金资助:国家自然科学基金项目(No.61403116)、中国博士后科学基金项目(No.2014M560507)、中央高校基本科研业务费专项资金(No.JZ2016HGBZ0762,JZ2016HGTB0721)资助
作者简介: 刘阳阳,男,1992年生,硕士研究生,主要研究方向为智能信息处理.E-mail:yy.liu@mail.hfut.edu.cn.
张 骏(通讯作者),女,1984年生,博士,副研究员,主要研究方向为计算机视觉、模式识别、认知科学.E-mail:zhangjun@hfut.edu.cn.
高欣健,男,1990年生,博士研究生,主要研究方向为智能信息处理.E-mail:gao_xinjian@outlook.com.
张旭东,男,1966年生,博士,教授,主要研究方向为智能信息处理、模式识别.E-mail:xudong@hfut.edu.cn.
高隽,男,1963年生,博士,教授,主要研究方向为智能信息处理、模式识别.E-mail:gaojun@hfut.edu.cn.
引用本文:   
刘阳阳,张骏,高欣健,张旭东,高隽. 基于卷积递归神经网络和核超限学习机的3D目标识别*[J]. 模式识别与人工智能, 2017, 30(12): 1091-1099. LIU Yangyang, ZHANG Jun, GAO Xinjian, ZHANG Xudong, GAO Jun. 3D Object Recognition via Convolutional-Recursive Neural Network and Kernel Extreme Learning Machine. , 2017, 30(12): 1091-1099.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201712004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2017/V30/I12/1091
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn