记忆地图：视觉地点识别中重新定义地点的框架
计算机视觉与模式识别
2019-03-22 v2 机器人学
摘要
本文提出了一种受认知启发的、与模型无关的用于构建视觉地点识别地图的框架。该框架从人类记忆性中汲取灵感，利用传统的图像熵概念并计算图像中的静态内容；从而提出了一个三重标准来评估图像对于视觉地点识别的“记忆性”。我们创建了一个名为“ESSEX3IN1”的数据集，由来自室内、室外和自然场景中高度混淆的图像组成以供分析。当与最先进的视觉地点识别方法结合使用时，所提出的框架为这些技术提供了显著的性能提升，ESSEX3IN1 及其他公共数据集上的结果证明了这一点。
引用
@article{arxiv.1811.03529,
title = {Memorable Maps: A Framework for Re-defining Places in Visual Place Recognition},
author = {Mubariz Zaffar and Shoaib Ehsan and Michael Milford and Klaus Mcdonald Maier},
journal= {arXiv preprint arXiv:1811.03529},
year = {2019}
}
备注
13 pages, 25 figures, 1 table