RGB-D object recognition and pose estimation based on pre-trained convolutional neural network 阅读记录

最新推荐文章于 2023-06-13 10:53:32 发布

原创

最新推荐文章于 2023-06-13 10:53:32 发布 · 863 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#RGB-D #CNN

本文介绍了使用预训练的卷积神经网络（CNN）进行RGB-D对象识别和姿态估计的方法。通过迁移学习，利用RGB-D信息增强识别精度，特别是将深度图转换为彩色图像以适应模型输入。作者结合CNN输出和SVM进行物体分类和姿态估计。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

RGB-D object recognition and pose estimation based on pre-trained convolutional neural network features

最近发现将阅读论文的心得体会记录下来是很有必要的，一方面将自己的想法用文字表达出来，可以锻炼论文写作表达能力，便于后续论文写作。另一方面，便于回顾自己的工作。

本文仅代表我自己的观点，对论文理解有误的地方，欢迎大家指正。

正如标题说是，本文是利用迁移学习技术将训练好的CNN模型应用于室内物体（household object）的识别及姿态评估任务。为了获得物体的姿态，并提高物体识别的精度，本文利用RGB-D信息训练神经网络。由于卷积神经网络（本文用的是A. Krizhevsky在ImageNet ILSVRC 2011上用的模型，A. Krizhevsky, I. Sutskever, and G. E. Hint