基于全图像描述符的高效去中心化视觉地点识别

在本文中，我们讨论了将[1]中描述的去中心化地点识别方法适配到全图像描述符。正如我们已展示的，实现可扩展的去中心化视觉地点识别的关键在于利用分布式键值映射中的确定性键分配。通过这种方式，将视觉地点识别转化为键值查找问题，可以将带宽减少多达n倍（n为机器人数量）。在[1]中，我们针对词袋方法[3], [4]利用了这一点。然而，我们转化词袋的方法导致了一个复杂的去中心化系统，其召回率本质上低于其中心化对应方案。在本文中，我们转而从最近的全图像描述方法NetVLAD [5]出发。如我们所示，通过k均值聚类可以将此方法转化为键值查找问题，并得到一个比[1]简单得多的系统。所得系统仍有一些缺陷，尽管性质完全不同：当部署期间所见环境在特征空间中的分布与训练期间所见环境不同时，其性能会受到影响。