论文精读7:Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization

本文介绍了一种名为LPN的网络,专为无人机导航中的跨视角地理定位设计。它借鉴了人类视觉系统处理不同视角信息的方式,通过共享卫星和无人机视角权重,结合ResNet特征提取和方环划分策略,有效利用上下文信息提高定位精度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization


  • Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization

    • 时间

      • 2021
    • 作者

      • 杭州电子科技大学自动化学院(人工智能学院)智能信息处理实验室博三学生王廷宇
    • idea

      • 无人机导航,纳入了第三个图像,即:空域、地域、无人机视角

      • 关注了图像邻近区域提供的信息

      • 灵感来自于人类视觉系统解释和匹配不同观点的同一场景的过程。在识别两个不同平台的地理场景时,人类视觉系统通常采用分层处理的方式来提高判断的准确性。具体来说,人类视觉系统首先关注同一地理目标是否包含在不同的视点场景中。然后,人类视觉系统将检查地理目标周围的上下文信息,以验证匹配的正确性。当没有显著的地标时,人们通常会借助地图来寻找有区别的邻近地区。

    • method

      • 提出了一个Local Pattern Network (LPN)

      • 具有三个分支,是孪生神经网络的扩展,分别包括卫星视角、无人机视角、地面视角

        • 卫星视角和无人机视角共享权重

      • 利用ResNet作为特征提取骨架

      • 采用了“方环划分策略来划分特征”,地理目标一般分布在图像的中心,而上下文信息则呈辐射状分布在图像的四周。基于这种语义信息分布的假设,正方形环形分区的中心可以近似地位于特征映射的中心。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

枫楠Kuiy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值