基于改进双流卷积递归神经网络的RGB-D物体识别方法

作者：李珣; 李林鹏^*; Alexander Lazovik; 王文杰; 王晓华

来源：光电工程, 2021, 48(02): 24-33.

• RGB-D图像
• 结构光
• 物体识别
• 深度学习
• 深度图像

为了提高基于图像的物体识别准确率,提出一种改进双流卷积递归神经网络的RGB-D物体识别算法(Re-CRNN)。将RGB图像与深度光学信息结合,基于残差学习对双流卷积神经网络(CNN)进行改进:增加顶层特征融合单元,在RGB图像和深度图像中学习联合特征,将提取的RGB和深度图像的高层次特征进行跨通道信息融合,继而使用Softmax生成概率分布。最后,使用标准数据集进行实验,结果表明,Re-CRNN算法的RGB-D物体识别准确率为94.1%,较现有基于图像的物体识别方法有显著的提升。

• 单位
  西安工程大学