基于多视图和注意力推荐网络的三维物体识别方法

摘要：

传统物体识别方法是从单一图像中通过人工提取图像特征,存在成本高、质量低等问题.针对上述问题,提出一种基于多视图和注意力推荐网络的三维物体识别方法,多视图很好地保留了物体在局部和全局上的特征;注意力模块可以有效地对视图上关键的特征聚焦,忽略无关或干扰特征.该方法利用一组多视图作为输入数据,通过卷积神经网络端到端提取物体特征,在卷积层加入注意力模块,实现视图关键区域的定位和剪裁,将处理后的视图送入另外一个卷积层,两个相同卷积操作提取的特征在池化层聚合,利用稀疏表示分类器对特征描述子进行分类识别.通过两个公开数据集的实验表明,所提算法对物体图像的识别准确度优于传统算法.

关键词：三维物体识别、多视图、注意力模块、卷积神经网络、稀疏表示分类器

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：河北省自然科学基金F2019202054

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：57-63