技術總結
本發明公開了一種結合深度學習與稀疏表示的室內場景識別方法，包括步驟：從室內場景庫中隨機挑選若干張室內場景圖像作為訓練樣本，將剩余作為測試樣本；利Fast?RCNN算法對訓練和測試樣本進行物體類別判別和檢測，以構建得到每張室內場景圖像的底層特征；利用詞袋模型將每張室內場景圖像的底層特征和空間特征結合，構建得到中層特征；對訓練樣本中的中層特征進行糅合構建得到稀疏字典；利用稀疏字典對測試樣本進行稀疏表示，及根據求解出的稀疏解與所輸入的測試樣本計算得到殘差，并根據殘差的大小判斷測試樣本所屬的物體類別；將判斷得到所屬的物體類別輸出。本發明能準確識別室內場景，可有效提高室內場景識別的準確率和魯棒性，具有很高的實用性能。

技術研發人員：孫寧;朱小英;劉佶鑫;李曉飛
受保護的技術使用者：南京郵電大學
文檔號碼：201611120285
技術研發日：2016.12.08
技術公布日：2017.05.10