室内场景识别的综合混合方法,结合CNN和基于文本的功能
Taner Uckan1, Cengiz Aslan2, Cengiz Hark3
1Department of Computer Engineering, Faculty of Engineering, Van Yuzuncu Yıl University, Van 65080, Turkey.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究通过结合图像和文本数据来增强室内场景识别. 新的混合模型显著提高了识别室内环境 (如办公室和厨房) 的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 室内场景识别对于机器人,安全和辅助技术至关重要.
- 卷积神经网络 (CNN) 在户外场景中表现出色,但由于依赖全球特征,在室内环境中扎.
- 室内场景需要识别当地的特征,如家具和物品.
研究的目的:
- 为了提高室内场景识别的准确性.
- 为室内环境开发一个集成图像和文本处理的混合模型.
- 为了利用对象识别输出来增强语境信息.
主要方法:
- 使用了"MIT 67室内场景"数据集.
- 从卷积神经网络 (CNN) 和基于文本的模型中提取和组合特征.
- 开发了一种集成图像和自然语言处理技术的双通道混合模型.
主要成果:
- 与单独的图像处理模型相比,混合模型在测试准确度上实现了8.3%的改进.
- 在识别各种室内环境方面表现出了显著的成功率.
- 成功集成自然语言处理和图像处理以提高性能.
结论:
- 拟议的混合型号显著提高室内场景识别.
- 将基于文本的对象识别与图像处理集成为室内环境提供了强大的方法.
- 这项研究有助于室内场景理解,绘图和遥感应用的进步.
