基于改进SIFT特征和神经网络结合的场景识别

摘 要: 基于深度学习的场景识别作为计算机视觉领域的重要方向，目前仍存在部分问题，如仅提取图像的高层 语义特征而缺失了图像的底层特征，针对这个问题，提出基于改进SIFT特征与深度神经网络相结合的室内RGB-D图像 识别方法。首先提取图像的SIFT特征，然后利用随机森林算法根据重要度对SIFT特征进行筛选，然后结合基于ResNet 的深度神经网络，并提出基于深度直方图与深度均值直方图的深度损失函数，加速模型的收敛。实验结果表明，算法可 以在NYUD v2数据集上达到71.52%的识别率，有效提升了室内场景识别的准确率。