Mar, 2024

利用通用投票方案提高视觉地点识别性能

PDF
TL;DR本文通过分析不同的投票方案，提出了一种最大化视觉地点识别 (VPR) 集合设置的地点检测准确性并确定最佳投票方案的方法。通过在多个数据集上测试各种投票方案，我们旨在确定是否存在单一的最佳投票方案，或者选择投票技术是相对于其应用和环境的。同时，通过雷达图、PR 曲线和 McNemar 测试等方法，展示了不同投票方法的性能边界，并通过比较方法确定差异的统计显著性，以便进行更好的选择。
visual place recognitionensemble approachesvoting schemesvpr resultsselection of voting method
发现论文，激发创造
  • 改进视觉场所识别的不同投票方案评估和排名

    通过研究，本文提出了不同的投票方案，通过对这些方案进行评估，找出了一种对于 Visual Place Recognition 集合设置而言最优的投票技术，并提出了这些不同投票方法的排名，以便更好地选择投票方案。

    May, 2023

  • 多技术顺序信息一致性在变化环境中的动态视觉地点识别

    多顺序信息一致性 (多音乐) 是一个利用顺序信息在在线每帧基础上选择最具连贯性技术的 VPR 系统，通过分析各技术的前几个匹配候选的帧间连续性，然后直接进行比较选择当前查询图像的最佳技术，该系统在不同基准数据集上提高了整体 VPR 性能，避免了对运行时环境的额外准确场景。

    Jan, 2024

  • 视觉地点识别，你的位置在哪里？

    本文通过调查与研究 Visual Place Recognition（VPR）的关键要素，提出一种基于视觉重叠的新的 VPR 定义，并指出未来需要深入关注的挑战和领域。

    Mar, 2021

  • VPR-Bench: 一个开源的视觉场所识别评估框架，可量化视点和外观变化

    本研究提出了一个名为 “VPR-Bench” 的综合性开源框架，以帮助评估不同的视觉地点识别技术，该框架包含 12 个完全集成的数据集和 10 种 VPR 技术。通过应用和分析计算机视觉和机器人学界的流行评估指标，本文讨论了这些不同指标如何在不同应用和系统需求下相互补充和替代。

    May, 2020

  • 基于注册辅助的视觉地点识别聚合

    使用新的特征聚合方法，通过注册器辅助模型训练，以获取具有辨别性地点信息的全局和局部特征，并通过重新分配注意力权重将这些注册器舍弃，从而实现对原始图像表示中不稳定特征的有效分离，其表现超过了现有方法

    May, 2024

  • AnyLoc: 通向全球视觉地点识别的进展

    通过使用通用特征表示和无监督特征聚合，本研究提出了一种适用于各种结构化和非结构化环境的通用视觉地点识别 (VPR) 解决方案，并取得了相较于现有方法高出 4 倍的显著性能提升，同时对特征进行语义属性建模获得 6% 的性能改善。

    Aug, 2023

  • 航空影像的视觉地点识别：一项调查

    本文提出了一种特定于航空影像领域的评估 VPR 技术的方法，提供了各种方法及其性能的全面评估。文章不仅比较了各种 VPR 方法，还展示了在构建地图瓷砖时选择适当的缩放和重叠级别以实现最大效率的重要性。

    Jun, 2024

  • 多尺度注意力学习视觉地点识别语义

    本研究旨在通过多尺度注意力模块，实现从视觉和语义内容中学习鲁棒全局嵌入以及动态引导的分割过程，以提高视觉地点识别的准确性，同时提出第一个适用于地点识别和分割任务的合成世界数据集，实验证明方法在不同情景下具有良好性能。

    Jan, 2022

  • 低分辨率图像的视觉地点识别

    本研究分析了图像分辨率对基于手工制作的 Visual Place Recognition (VPR) 管道的精度和鲁棒性的影响，并旨在帮助学术研究人员和公司在硬件和软件行业共同设计 VPR 解决方案以及扩展 VPR 算法在商业产品中的应用。

    May, 2023

  • 用于改善单帧和加权序列视觉位置识别的无监督质量预测

    本研究提出了一种新的、无需训练的定位质量预测方法和一种利用这些预测来偏置序列匹配过程的新方法，使综合系统在四个数据集和三种 VPR 技术中得到了性能上的提升。

    Jul, 2023