基于深度学习的智能手机区域级图像室内定位——用于室内旅游景点
计算机视觉与模式识别
2024-06-13 v2
摘要
智能室内旅游景点（如智能博物馆和水族馆）通常需要大量的室内定位设备。智能手机全球定位系统在稠密材料（如混凝土和金属）阻挡GPS信号的场景中使用不可取，这是室内旅游景点最常见的场景。深度学习使得使用智能手机图像进行区域级室内定位成为可能。该方法无需任何基础设施投资，显著降低了将博物馆和水族馆改造为智能博物馆或智能水族馆的成本和时间。本文提出使用深度学习算法对智能手机摄像头图像进行分类，以实现室内旅游景点的室内定位。我们在巴西实地场景中进行评估。我们广泛收集来自十款不同智能手机的图像，用于对 Pantanal Biopark 生物主题鱼箱进行分类，构建了包含 3654 张图片的新数据集。我们测试了七种最先进的神经网络，其中三种为基于Transformer的模型，在平均精度约为90%，召回率和F1分数约为89%。结果表明，该方案在大多数室内旅游景点中具有良好的可行性。
引用
@article{arxiv.2403.07621,
title = {Smartphone region-wise image indoor localization using deep learning for indoor tourist attraction},
author = {Gabriel Toshio Hirokawa Higa and Rodrigo Stuqui Monzani and Jorge Fernando da Silva Cecatto and Maria Fernanda Balestieri Mariano de Souza and Vanessa Aparecida de Moraes Weber and Hemerson Pistori and Edson Takashi Matsubara},
journal= {arXiv preprint arXiv:2403.07621},
year = {2024}
}