35、RGB - D物体识别的分层特征表示学习方法

RGB - D物体识别的分层特征表示学习方法

1 引言

物体识别在计算机科学领域是一项至关重要的能力，吸引了计算机视觉、机器学习和机器人学等不同领域研究人员的关注。在过去几十年里，众多特征和分类算法被提出并应用于该问题，使得物体识别能力取得了显著进展，这从Caltech101和CIFAR等标准基准测试的稳步提升中可见一斑。

新兴的RGB - D（类似Kinect）和深度相机技术迅速成熟，能够提供高质量的彩色和深度同步视频，为基于颜色和深度的识别融合带来了绝佳机会。目前，大多数RGB - D图像物体识别方法采用手工设计的特征，如2D图像的SIFT、3D点云的Spin Images、特定的颜色、形状和几何特征以及学习型特征描述符等。

稀疏表示是一种强大的图像表示模型，在图像标签、图像注释和图像分类等诸多问题中得到广泛应用。稀疏表示分类器（SRC）将整个训练样本集作为字典进行图像分类，在人脸识别方面表现出色。然而，稀疏表示未能充分利用训练数据的结构信息。

为解决这一问题，本文提出一种从RGB - D图像中学习分层特征表示的高效模型。该模型运用卷积递归神经网络（CNN - RNN）提取原始RGB - D图像的低级不变特征，并将这些特征输入到块组稀疏表示（BGSC）中，以构建更高级的特征。目标是通过应用CNN - RNN和BGSC方法进行RGB - D物体识别，学习分层特征表示。

2 利用CNN - RNN和BGSC学习分层特征表示

2.1 第一层特征的CNN - RNN模型

建立了基于CNN - RNN的第一层特征学习模型。具体步骤如下：
1. 对每个尺寸为（高度和宽度）$d_I$的图像，用