利用深度学习改进基于图像的定位：损失函数的影响
计算机视觉与模式识别
2019-07-30 v2 人工智能
摘要
本工作研究了在单目、仅 RGB 的图像定位任务背景下，损失函数对神经网络性能的影响。从图像回归相机位姿时常用的技术是将位置与旋转均方误差（以调优超参数为系数）的线性组合作为损失。本工作中我们观察到旋转与位置的变化会相互影响所捕获的图像，且为提升性能，位姿回归网络的损失函数应包含一个结合这两个耦合量误差的项。基于任务特定观察与实验调优，我们给出上述损失项，并通过将该损失项附加到已有位姿回归网络 `PoseNet' 的损失函数上构建新模型。我们提升了网络在室内场景的定位精度；与默认 PoseNet 相比，中位位置误差与旋转误差分别降低达 26.7% 与 24.0%。
引用
@article{arxiv.1905.03692,
title = {Improving Image-Based Localization with Deep Learning: The Impact of the Loss Function},
author = {Isaac Ronald Ward and M. A. Asim K. Jalwana and Mohammed Bennamoun},
journal= {arXiv preprint arXiv:1905.03692},
year = {2019}
}
备注
Version 2