一种基于RGB-D图像分类问题的对抗度量学习算法

摘要

本发明公开了一种基于RGB‑D图像分类问题的对抗度量学习算法，属于计算机应用领域。其中，该算法引入对抗学习的思想从多视图特征的视图内和视图间两个角度学习度量距离，1）对于每个单独的视图，该算法生成了难以与原始正样本区分的难区分负样本。对抗地学习原始样本和合成的难区分负样本的视图内度量距离，目的是更好地区分特定视图；2）为了整合多个视图以挖掘视图共享关系，该算法生成具有挑战性的公共子空间，对抗地学习视图间度量来区分这些生成的具有挑战性的样本；续的分类任务。本发明的有益效果为：在RGB‑D目标识别数据集JHUIT‑50准确率达到了97.2%。同时在各种基准多视图数据集上进行的大量实验证明了本发明有效性，最终模型精度高，适用性强。