TY - A2的渡边,圭盟——刘Shaopeng盟——田Guohui PY - 2019 DA - 2019/04/24 TI -一个室内场景分类方法用于服务机器人基于CNN特征SP - 8591035六世- 2019 AB -室内场景分类中起着至关重要的部分在服务机器人环境认知。随着深度学习的发展，对目标数据集进行微调CNN (Convolutional Neural Network)已成为解决分类问题的流行方法。但是，在场景训练数据集不足的情况下，该方法存在过拟合问题，不能得到满意的室内场景分类结果。针对这一问题，本文提出了一种室内场景分类方法，利用场景图像的CNN特征生成场景类别特征，通过一种新的特征匹配算法对场景进行分类。新的特征匹配算法可以进一步提高场景分类的速度。此外，在训练数据有限的情况下，我们的方法消除了过拟合。该方法在两个基准场景数据集scene 15和MIT 67上进行了评价，分别获得了96.49%和81.69%的准确率。实验结果表明，该方法在精度、速度和鲁棒性方面均优于其他场景分类方法。为了进一步评价该方法，对来自SUN 397数据集的未知场景图像进行了测试实验，基于不同训练数据集的模型分别获得了94.34%和79.80%的测试准确率，证明了该方法在室内场景分类中具有良好的性能。SN - 1687-9600 UR - https://doi.org/10.1155/2019/8591035 DO - 10.1155/2019/8591035 JF - Robotics Journal PB - Hindawi KW - ER -