Why-So-Deep:面向提升已有预训练模型用于视觉地点识别
计算机视觉与模式识别
2022-01-11 v1 机器人学
摘要
基于深度学习的图像检索技术在回环检测中表现出令人满意的性能。然而,在不同地理区域基于先前训练好的模型实现高水平性能仍然具有挑战性。本文解决了这些模型与同步定位与建图(SLAM)系统在新环境中部署的问题。通用的基线方法使用附加信息,如GPS、序列关键帧跟踪以及重新训练整个环境来提升召回率。我们提出了一种基于先前训练模型改进图像检索的新方法。我们提出了一种智能方法MAQBOOL,以增强预训练模型的能力以实现更好的图像召回,并将其应用于实时多智能体SLAM系统。我们以低描述子维度(512维)取得了可与最先进方法的高描述子维度(4096维)相媲美的图像检索结果。我们利用空间信息来提升预训练模型上图像检索的召回率。
引用
@article{arxiv.2201.03212,
title = {Why-So-Deep: Towards Boosting Previously Trained Models for Visual Place Recognition},
author = {M. Usman Maqbool Bhutta and Yuxiang Sun and Darwin Lau and Ming Liu},
journal= {arXiv preprint arXiv:2201.03212},
year = {2022}
}