挖掘最小地图片段用于视觉地点分类器

在视觉地点识别（VPR）中，地图分割（MS）是一种预处理技术，用于将给定视图序列地图划分为地点类（即地图片段），使每个类具备供视觉地点分类器（VPC）使用的良好地点专用训练图像。现有MS方法隐式或显式地假定地图片段具有特定尺寸，或各地图片段尺寸均衡。然而，近期VPR系统表明，极小的关键地图片段（最小地图片段）往往足以用于VPC，且地图中剩余庞大非关键部分应被丢弃以最小化地图维护成本。本文提出一种可从大型视图序列地图中挖掘最小地图片段的新MS算法。为解决固有的NP难问题，将MS表述为视频分割问题，并采用基于点轨迹的高效视频分割范式。所提地图表示以三类VPC实现：深度卷积神经网络、词袋和目标类检测器，并各自集成入拓扑度量VPR框架内的蒙特卡洛定位算法（MCL）。使用公开NCLT数据集的实验从VPR性能角度深入探究了MS的效能。