用于视觉定位的已学习特征的域适应
计算机视觉与模式识别
2020-08-24 v1
摘要
我们解决在条件变化（如一天中的时间、天气和季节）下的视觉定位问题。近期基于深度神经网络的已学习局部特征相比经典手工局部特征展现出更优性能。然而，在真实场景中，训练图像与目标图像之间常存在较大域间隙，会显著降低定位精度。现有方法利用大量数据应对该问题，而我们提出一种新颖且实用的方法，仅需少量样本即可缩小域间隙。具体而言，我们提出了一种用于已学习局部特征的少样本域适应框架，以处理视觉定位中的变化条件。实验结果表明，在使用极少目标域训练样本的情况下，其性能优于基线方法。
引用
@article{arxiv.2008.09310,
title = {Domain Adaptation of Learned Features for Visual Localization},
author = {Sungyong Baik and Hyo Jin Kim and Tianwei Shen and Eddy Ilg and Kyoung Mu Lee and Chris Sweeney},
journal= {arXiv preprint arXiv:2008.09310},
year = {2020}
}
备注
BMVC 2020