用于 RGB-D 物体识别的循环卷积融合
计算机视觉与模式识别
2019-02-26 v3
摘要
赋予机器像人类一样识别物体的能力一直是机器视觉的主要目标之一。RGB-D 相机的引入凭借这些传感器所提供的丰富信息，为朝着该方向迈出重大一步铺平了道路。然而，机器视觉领域仍缺乏一种有效的方法来协同使用 RGB 和深度数据以改进物体识别。为朝此方向前进一步，我们引入了一种用于 RGB-D 物体识别的名为循环卷积融合（RCFusion）的新型端到端架构。我们的方法通过结合代表不同抽象层次的互补 RGB 与深度信息，生成紧凑且高度判别性的多模态特征。在两个流行数据集 RGB-D Object Dataset 和 JHUIT-50 上的大量实验表明，RCFusion 在物体分类和实例识别任务中均显著优于当前最优（state-of-the-art）方法。
引用
@article{arxiv.1806.01673,
title = {Recurrent Convolutional Fusion for RGB-D Object Recognition},
author = {Mohammad Reza Loghmani and Mirco Planamente and Barbara Caputo and Markus Vincze},
journal= {arXiv preprint arXiv:1806.01673},
year = {2019}
}
备注
Under review at RA-L