一种基于深度学习全局与基于分割语义特征融合的室内场景分类方法
计算机视觉与模式识别
2024-02-01 v3
摘要
本工作提出了一种新方法，利用语义分割掩码获取场景中分割类别的二维空间布局，称之为基于分割的语义特征（SSFs）。这些特征针对每个分割类别表示像素数量，以及二维平均位置和相应的标准差值。此外，还提出了一种双分支网络GS2F2App，其利用从RGB图像提取的基于CNN的全局特征以及从所提SSFs提取的基于分割的特征。GS2F2App在两个室内场景基准数据集上进行了评估：SUN RGB-D和NYU Depth V2，在两个数据集上均取得了最先进的结果。
引用
@article{arxiv.2302.06432,
title = {A Deep Learning-based Global and Segmentation-based Semantic Feature Fusion Approach for Indoor Scene Classification},
author = {Ricardo Pereira and Tiago Barros and Luis Garrote and Ana Lopes and Urbano J. Nunes},
journal= {arXiv preprint arXiv:2302.06432},
year = {2024}
}
备注
Published at Pattern Recognition Letters 2024 (DOI: 10.1016/j.patrec.2024.01.022)