OS-FPI：一种用于无人机地理定位的由粗到细单流网络
图像与视频处理
2024-03-12 v1
摘要
无人飞行器（UAV）在拒止环境中的地理定位与导航技术目前是一个突出的研究领域。先前的方法主要采用权重不共享的双流网络分别从无人机和卫星图像中提取特征，随后进行相关建模以获取响应图。然而，双流网络独立提取无人机和卫星特征。这种方式严重影响了特征提取的效率并增加了计算负荷。为解决这些问题，我们提出了一种新颖的由粗到细的单流网络（OS-FPI）。我们的方法允许在早期图像特征提取阶段进行无人机和卫星特征之间的信息交换。为提升模型性能，该框架保留了特征提取过程中不同阶段生成的特征图供特征融合网络使用，并在特征融合网络中建立了无人机和卫星特征图之间的额外连接。此外，该框架引入了偏移预测，以在分类任务的基础上进一步细化和优化模型的预测结果。我们提出的模型拥有与 FPI 相似的推理速度，同时显著减少了参数量。在相同条件下，它可以用更少的参数取得更好的性能。此外，它在 UL14 数据集上取得了 state-of-the-art 的性能。与先前的模型相比，我们的模型在 RDS 指标上取得了 10.92 分的显著提升，达到 76.25。此外，其在米级定位精度上的表现令人瞩目，3 米精度提升了 182.62%，5 米精度提升了 164.17%，10 米精度提升了 137.43%。
引用
@article{arxiv.2403.06148,
title = {OS-FPI: A Coarse-to-Fine One-Stream Network for UAV Geo-Localization},
author = {Jiahao Chen and Enhui Zheng and Ming Dai and Yifu Chen and Yusheng Lu},
journal= {arXiv preprint arXiv:2403.06148},
year = {2024}
}