利用EfficientNet与对比学习实现精确的全球尺度位置估计
计算机视觉与模式识别
2021-05-18 v1
摘要
本文解决全球尺度图像地理定位问题，提出一种分类-检索混合方案。不同于其他将问题严格作为分类或检索任务处理的方法，我们结合两种实践于统一解决方案中，利用各自优势并设两个不同模块。第一个利用EfficientNet架构以鲁棒方式将图像分配到特定地理单元。第二个引入一种新的残差架构，通过对比学习训练，将输入图像映射到嵌入空间，使同位置图像的成对测地距离最小化。对于最终位置估计，两模块通过单元内搜索方案结合，其中来自预测地理单元的最相似图像位置基于空间聚类方案聚合。我们的方法在四个公开数据集上展现出极具竞争力的性能，在细粒度尺度上达到新的最先进性能，即在Im2GPS3k上1km范围内为15.0%。
引用
@article{arxiv.2105.07645,
title = {Leveraging EfficientNet and Contrastive Learning for Accurate Global-scale Location Estimation},
author = {Giorgos Kordopatis-Zilos and Panagiotis Galopoulos and Symeon Papadopoulos and Ioannis Kompatsiaris},
journal= {arXiv preprint arXiv:2105.07645},
year = {2021}
}