强化学习曾小健

主要困难在于，虽然一些室内场景（例如走廊）可以通过全局空间特性很好地表征，但其他场景（例如书店）则可以通过其包含的物体更好地表征。更一般地说，为了解决室内场景识别问题，我们需要一个可以利用局部和全局判别信息的模型。该数据库包含 67 个室内类别，共计 15620 幅图像。图像数量因类别而异，但每个类别至少有 100 幅图像。对于本文的结果，我们使用数据集的一个子集，该子集每个类别具有相同数量的训练和测试样本。图像子集被分割并用其包含的对象进行注释。：包含每个训练图像的文件名。：包含每个测试图像的文件名。

数据的来源是大约1100名专业室内装修设计师的作品，其中不乏已经被业主采用，并且在真实的房子中装修好的设计。这些装修设计作品中，还包含大约100万个世界知名家具制造商提供的家具CAD模型。数据集，包含2200万室内场景，涵盖这些场景的3D、全景、灯光、语义、景深等多种不同样式，可用于深度学习训练和SLAM基准测试，无需手动标注。，整体的设计风格也和真实世界中的室内场景相同，没有违和感。而且，每个室内装修场景还提供了多个不同的样式，包括。反射率、景深、鱼眼镜头、照明效果。郭一璞 发自 凹非寺。