一种高效可扩展的果蝇启发式投票单元集合用于变化环境中的视觉地点识别
计算机视觉与模式识别
2021-09-24 v1
摘要
当前最先进的视觉地点识别(VPR)性能由基于深度学习的方法实现。尽管近期在轻量级卷积神经网络模型设计上已有努力，但对于硬件受限最严重的机器人应用而言，这些模型仍可能过于昂贵。低开销的VPR技术不仅能赋能配备低端廉价硬件的平台，还能减少更强大系统中的计算量，使这些资源可用于其他导航任务。本工作中，我们的目标是在实现对抗外观变化和小视角变化的最先进鲁棒性的同时，提供一种极致紧凑与高效的算法。我们的第一个贡献是DrosoNet，一个受果蝇(Drosophyla melanogaster)嗅觉处理能力启发的异常紧凑模型。我们的第二个也是主要贡献是一种投票机制，其利用多个小型高效分类器来实现比单一分类器更鲁棒和一致的VPR。我们使用DrosoNet作为投票机制的基线分类器，并在五个基准数据集上评估我们的模型，评估了从中等到极端的外观变化以及从小到中的视角变化。随后我们将所提算法与最先进方法在精确率-召回率AUC结果和计算效率两方面进行比较。
引用
@article{arxiv.2109.10986,
title = {An Efficient and Scalable Collection of Fly-inspired Voting Units for Visual Place Recognition in Changing Environments},
author = {Bruno Arcanjo and Bruno Ferrarini and Michael Milford and Klaus D. McDonald-Maier and Shoaib Ehsan},
journal= {arXiv preprint arXiv:2109.10986},
year = {2021}
}