基于神经机器人方法构建视觉地点识别的稀疏表示
计算机视觉与模式识别
2021-10-01 v1 图像与视频处理
摘要
本文提出一种用于视觉信息编码的新型无监督神经网络模型,旨在解决大规模视觉定位问题。受视觉皮层结构启发,该模型(称为HSD)交替使用拓扑稀疏编码层与池化层,以构建更紧凑的视觉信息编码。面向使用局部描述子的视觉地点识别(VPR)系统,我们评估了将其集成到一种用于自我定位的仿生模型(LPMP)中的影响。在KITTI数据集上的实验结果表明,HSD使LPMP的运行速度至少提升2倍,定位精度提升10%。与最先进的VPR方法CoHog相比,我们的方法取得了略优的结果。
引用
@article{arxiv.2109.14916,
title = {Forming a sparse representation for visual place recognition using a neurorobotic approach},
author = {Sylvain Colomer and Nicolas Cuperlier and Guillaume Bresson and Olivier Romain},
journal= {arXiv preprint arXiv:2109.14916},
year = {2021}
}