基于学习视觉表示的花园地点识别：数据集与基准分析
计算机视觉与模式识别
2019-07-01 v1
摘要
视觉地点识别是相机定位与回环检测系统的一个重要组成部分。它关乎仅基于视觉线索对先前到访地点的识别。尽管针对室内与城市环境该问题已被广泛研究，但近期机器人在农业与园艺任务自动化中的使用带来了新的问题，原因在于花园类环境具有挑战性的外观。花园场景主要包含绿色，以及重复的模式与纹理。缺乏在花园与自然环境中记录的数据，使得视觉定位算法的改进十分困难。本文中我们提出了 TB-Places 数据集的扩展版本，其专为测试视觉地点识别算法而设计。它包含在不同季节、不同光照条件下于真实花园中记录且带有真实相机位姿的图像。我们为所有可能的图像对构建并发布了真实标注，指示它们是否描绘同一地点。我们给出了基于卷积神经网络进行整体图像描述与地点识别方法的基准分析结果。我们训练现有网络（即 ResNet、DenseNet 和 VGG NetVLAD）作为具有对比损失函数的双路架构的骨干。我们所获得的结果表明，学习花园定制的表示有助于性能提升，尽管泛化能力有限。
引用
@article{arxiv.1906.12151,
title = {Place recognition in gardens by learning visual representations: data set and benchmark analysis},
author = {Maria Leyva-Vallina and Nicola Strisciuglio and Nicolai Petkov},
journal= {arXiv preprint arXiv:1906.12151},
year = {2019}
}
备注
Accepted for the 18th International Conference on Computer Analysis of Images and Patterns