Feb, 2018

iBoW-LCD: 基于外观的闭环检测方法，使用增量二进制单词包

PDF
TL;DR本文介绍了一种新颖的基于外观的循环闭合检测方法 iBoW-LCD，该方法利用了基于二进制描述符的增量词袋（BoW）方案来检索先前看到的相似图像，避免了通常需要经典词袋模型训练阶段。此外，为了检测循环闭合，iBoW-LCD 建立在动态群岛的概念上，它是一种将接近时间的相似图像分组的简单但有效的机制，从而降低了通常与贝叶斯框架相关的计算时间。我们的方法通过使用多个室内和室外公共数据集进行验证，在不同的环境条件下取得了高精度，并胜过其他最先进的方案。
loop closure detectionbag-of-wordsdynamic islandsbayesian frameworksimage retrieval
发现论文，激发创造
  • 基于外观的环路闭合检测算法：使用超像素网格和增量动态节点的 SGIDN-LCD

    本研究介绍了一种基于超像素网格的在线闭环检测方法，提出了一种动态节点适应机制，并通过实验结果验证了该方法在提高闭环检测精度和效率方面的有效性，优于当前其他的检测方法。

    Apr, 2023

  • E$^2$BoWs：一种基于深度卷积神经网络的端到端词袋模型

    本文提出了一种基于深度卷积神经网络的端到端 BoWs 模型 (E$^2$BoWs)，并介绍了一种新的学习算法来增强生成的 E$^2$BoWs 模型的稀疏性，以进一步确保时间和内存效率。在多个图像搜索数据集上的实验结果表明，与最近的基于深度学习的检索方法相比，我们的模型在准确性和效率上都取得了很好的表现。

    Sep, 2017

  • 攻击闭环：对基于图的闭环检测的对抗攻击

    通过使用特征提取和聚类技术，我们提出了一种新的黑盒逃避攻击框架，称为 Adversarial-LCD，用于攻击图形化的环路闭合检测系统。我们的实验结果表明，Adversarial-LCD 在攻击性能上优于其他机器学习代理算法，包括 SVM-linear、SVM-polynomial 和贝叶斯分类器，彰显了我们的攻击框架的有效性。此外，我们的特征扰动方法基于特征中心性在效果上优于其他算法，如随机游走和最短路径，突显了 Adversarial-LCD 的选择方法的高效性。

    Dec, 2023

  • OBoW: 自监督学习在线视觉词袋生成

    本文提出了一种基于教师 - 学生模型的在线 BoW 指导下的无监督学习策略，探索了图像的重建方法来学习视觉表示，并在多个任务上实现了前所未有的性能提升。

    Dec, 2020

  • 可扩展实例搜索的局部卷积特征包

    本文提出了一个基于卷积神经网络的局部特征编码和基于词袋模型的实例检索方法，该方法将每个卷积层中的局部激活函数数组映射到可视化词汇中，从而实现了空间重新排序和检索的目的，并在 Oxford 和 Paris buildings benchmarks 中取得了具有竞争力的性能表现。

    Apr, 2016

  • RadarLCD：可学习的基于雷达的闭环检测流水线

    RadarLCD 是一种使用 FMCW 雷达的监督深度学习管道，旨在解决环路闭合检测的挑战，通过利用预训练的 HERO 模型和选择 LCD 关键点，该方法在多个方面超越了当前的闭合环路检测系统。

    Sep, 2023

  • 通过采样局部外观和全局分布实现强大的三维动作识别

    本文针对噪声深度数据难以捕捉运动和形状线索的现状，提出了一种新颖的两层 “视觉词袋”（BoVW）模型。该模型通过背景建模和引入运动和形状线索生成稳健和独特的时空兴趣点，利用多尺度 3D 局部方向核 (M3DLSK) 描述算法和空间 - 时间向量 (STV) 描述算法，提出融合运动和形状线索的行动表示。实验验证了该模型在识别类似动作和抵抗背景杂波、部分遮挡和掩蔽噪声等情况中的有效性。

    Dec, 2017

  • 复现 BowNet：通过预测视觉单词包学习表示

    该研究使用无标签数据自我监督学习的方法，使用词袋深度描述符作为学习目标以学习鲁棒、深度特征，该方法可以学习具有扰动不变性和上下文感知的图像特征，适用于几乎无样本的任务或有监督的后续任务，其中将深度特征用于 CIFAR-100 分类任务并未能像原论文中所述显著提高分类准确性。

    Jan, 2022

  • 动作识别中的视觉词袋和融合方法：全面研究和最佳实践

    本研究对 Bag of Visual Words 模型（BoVW）中的五个步骤以及特征融合方法做了全面的研究，探讨了不同的局部特征提取和编码对行为识别的影响，并且基于不同 BoVW 框架和本地描述符的互补性，提出了一个简单而有效的表示方法，被称为混合表示，用于进行行为识别，使得识别率达到了 state-of-the-art。

    May, 2014

  • 基于视觉词袋的图像重构

    本研究旨在从视觉单词（BoVW）中重建原始图像，提出了一种含自然性本地邻近性及全局位置的评估函数，并通过使用外部图像数据库获取相关参数的方法来估计原始布局，以达到成功重建 BoVW 的目的，并产生了 101 种不同物体的图像和新颖的 BoVW 图像。

    May, 2015