GRM：面向视觉地点检索的梯度校正模块
计算机视觉与模式识别
2023-03-01 v2
摘要
视觉地点检索旨在从数据库中搜索与查询图像所描绘地点相似的图像。然而，由网络编码的全局描述子通常会落入低维主空间，这对检索性能有害。我们首先分析了该现象的原因，指出其源于描述子梯度的退化分布。随后，我们提出梯度校正模块（Gradient Rectification Module, GRM）来缓解此问题。GRM 附加在最终池化层之后，能够将梯度校正至主空间的互补空间。借助 GRM，网络被鼓励在整个空间中更均匀地生成描述子。最后，我们在多个数据集上进行了实验，并将我们的方法推广到原型学习框架下的分类任务。
引用
@article{arxiv.2204.10972,
title = {GRM: Gradient Rectification Module for Visual Place Retrieval},
author = {Boshu Lei and Wenjie Ding and Limeng Qiao and Xi Qiu},
journal= {arXiv preprint arXiv:2204.10972},
year = {2023}
}
备注
Accepted to the 2023 International Conference on Robotics and Automation (ICRA 2023)