基于分组特征赋权的动态视角图像特征融合

摘要：

为了解决移动机器人在目标识别过程中捕获的图像存在多目标干扰和单一视角下目标特征有限,进而导致识别准确率低的问题,提出一种基于分组特征赋权的动态视角图像特征融合方法,该方法通过递进式K均值聚类,对多目标特征进行赋权分组,并且利用LSTM网络实现动态视角下连续图像特征的融合,从而达到提高目标识别的准确率的目的.验证结果表明,在Market-1501数据集上的首位识别率达到了 93.80％,平均准确率达到了 89.13％,具有较好的实验效果.

关键词：分组特征赋权、特征融合、特征提取、目标识别、长短期神经网络

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：高等学校学科创新引智计划111资助;上海市教委重点学科资助项目

在线出版日期：2021-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：144-148