基于双流卷积神经网络的RGB-D图像联合检测
当前卷积神经网络结构未能充分考虑RGB图像和深度图像的独立性和相关性,针对其联合检测效率不高的问题,提出了一种新的双流卷积网络.将RGB图像和深度图像分别输入到两个卷积网络中,两个卷积网络结构相同且权值共享,经过数次卷积提取各自独立的特征后,在卷积层根据最优权值对两个卷积网络进行融合;继续使用卷积核提取融合后的特征,最后通过全连接层得到输出.相比于以往卷积网络对RGB-D图像采用的早期融合和后期融合方法,在检测时间相近的情况下,双流卷积网络检测的准确率和成功率分别提高了4.1%和3.5%.
机器视觉、RGB-D、卷积神经网络、多模态信息、联合检测、深度学习
55
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2018-05-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
380-388