基于卷积神经网络的RGB D图片分类

针对基于卷积神经网络(CNNs)的物体分类问题,文中旨在探索一种最佳的输入组合,使得分类效果达到最佳。本文首先介绍了相关的RGB-D数据集,然后在该数据集中提取部分图片组成训练、验证和测试集。然后对这些选取的图片进行预处理,包括去除RGB-D图片的背景,和补齐深度(D)图片的深度信息。利用深度信息图和转换到不同色彩空间下的图片预先训练多个CNNs。由于每一组彩色图和深度图的内容都是相同的,他们共享相似的特征,这些预先训练的网络可以互相取长补短,本文将这些CNNs的概率向量对应元素相加并再次归一化,用这个概率向量作为最终分类的依据。实验结果表明,在本文的CNNs结构下,RGB信息、D信息