论文部分内容阅读
室内场景识别是图像识别领域中一个重要的研究方向,在无人驾驶、体感游戏、安防监控等领域有着广阔的应用前景。传统的场景识别方法存在识别准确率低,人工特征设计难度大,泛化能力弱等特点。基于此提出用高斯金字塔获和区域选择算法得到室内图像的多尺度显著区域信息,然后采用深度学习中卷积神经网络对获取的显著区域进行特征学习,最后通过多层感知机对图像场景分类从而完成室内场景识别。实验结果表明,相比传统室内场景识别方法,准确率提升10%以上。同时,比采用单一尺度进行特征学习的神经网络有更好的识别效果。