条件不变的的多视角地点识别
计算机视觉与模式识别
2019-02-26 v1
摘要
当地点外观发生变化时，视觉地点识别尤其具有挑战性。此类变化确实很常见，例如由于天气、昼夜或季节引起。本文利用近期关于深度网络的研究，探索如何通过利用时间序列信息来改进它们。具体而言，我们提出三种不同的方案（描述子分组、融合与循环描述子）供深度网络使用序列的若干帧。我们表明，在两个公开数据库中，我们的方法比文献中的单视角与多视角基线产生更紧凑且性能更优的描述子。
引用
@article{arxiv.1902.09516,
title = {Condition-Invariant Multi-View Place Recognition},
author = {Jose M. Facil and Daniel Olid and Luis Montesano and Javier Civera},
journal= {arXiv preprint arXiv:1902.09516},
year = {2019}
}
备注
Project website: http://webdiis.unizar.es/~jmfacil/cimvpr/ In submission