一种融合全局及显著性区域特征的室内场景识别方法

来源：机器人杂志2015年第1期北京时间：

作者：牛杰, 卜雄洙, 钱堃, 李众

摘要：针对常规场景识别方法在室内环境中性能显著下降的问题，提出一种融合全局及显著性区域特征的移动机器人室内场景识别方法．利用改进的 BoW（bag-of-words）模型进行室内场景判别的同时，结合视觉注意方法提取出场景图像的最大及次大显著区域，送入改进的 BDBN（bilinear deep belief network）模型来自动学习图像特征，进行类别判断．利用分段判别策略对于两个模型的结果进行融合，并输出最终场景判别结果．将本 方法应用于实际机器人平台及包含67个类别的MIT室内场景数据库，实验结果表明，相较于常规BoW模型，本方法可以有效提高识别准确 率10%以上．此外，本方法在MIT数据库中达到平均44．3%的准确率，优于相关文献算法．

关键词：场景识别, 深度学习, 视觉注意, BoW模型