季节变化下的单视图地点识别
计算机视觉与模式识别
2018-08-21 v1
摘要
单视图地点识别，我们可将其定义为寻找与给定查询图像对应同一地点的图像，是自主导航与建图的一项关键能力。尽管该主题已有大量研究，但图像的高度可变性（例如视角、光照或遮挡）使其仍具研究挑战性。我们在本工作中解决的具体挑战之一是天气变化。季节变化会产生剧烈的外观改变，经典低级特征无法恰当建模。本文的贡献有两点。首先，我们对 Nordland 数据集进行预处理并提出一种划分方案，该数据集常用于地点识别研究但缺乏一致的划分共识。其次，我们针对此问题评估了若干神经网络架构，如预训练、连体（siamese）和三元组（triplet）网络。我们的最佳结果优于该领域的当前最优（SOTA）。展示我们结果的视频可在 https://youtu.be/VrlxsYZoHDM 找到。划分版的 Nordland 数据集见 http://webdiis.unizar.es/~jmfacil/pr-nordland/。
引用
@article{arxiv.1808.06516,
title = {Single-View Place Recognition under Seasonal Changes},
author = {Daniel Olid and José M. Fácil and Javier Civera},
journal= {arXiv preprint arXiv:1808.06516},
year = {2018}
}
备注
Accepted at 10th Planning, Perception and Navigation for Intelligent Vehicles (PPNIV'18), Workshop at IROS 2018