.png){kind=icon}
返回
Multimodal scene recognition using semantic segmentation and deep learning integration
.png){kind=icon}
OA
AI
DOI：10.7717/peerj-cs.2858.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
室内场景的语义建模与识别因通用场景的复杂构成而面临重大挑战，这些场景包含主题和物体等多种特征，使得语义建模和室内场景识别困难重重。高层场景解释与低层视觉特征之间的差距进一步增加了场景识别的复杂性。为了克服这些障碍，本研究提出了一种新颖的多模态深度学习技术，通过结合深度信息与传统的红绿蓝（RGB）图像数据来提升场景识别的准确性和鲁棒性。在采用深度感知分割方法识别图像中的多个物体后，利用卷积神经网络（CNNs）和空间金字塔池化（SPP）进行分析，从而实现更精确的图像分类。该方法的有效性通过实验结果得到验证，在RGB-D场景数据集上达到91.73%的准确率，在NYU Depth v2数据集上达到90.53%的准确率。这些结果表明，多模态方法能够提升场景检测与分类性能，在机器人、运动分析和安全系统等领域具有潜在应用价值。
Keyword:
Features optimization
Image analysis
Artificial intelligence
Spatial pyramid pooling
Voxel grid representation
Scene modeling
Machine learning
期刊
IF:
2.5
论文数:
3.4K
被引数:
6.9K
机构
引用论文
Smartphone Inertial Sensors for Human Locomotion Activity Recognition based on Template Matching and Codebook Generation基于模板匹配和码本生成的智能手机惯性传感器人体步态活动识别
PREAI
分享收藏
Graph-Based Region and Boundary Aggregation for Biomedical Image Segmentation基于图的区域和边界聚合的生物医学图像分割
PREAI
分享收藏Depth-Aware Salient Object Detection and Segmentation via Multiscale Discriminative Saliency Fusion and Bootstrap Learning基于多尺度判别显著性融合和Bootstrap学习的深度感知显著目标检测和分割
PREAI
分享收藏Efficient Multi-Object Recognition Using GMM Segmentation Feature Fusion Approach.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容