图像识别cnn截图 based Place Recognition 基于卷积神经(2)

$$

为了找到最强的匹配假设，我们会对计算出每列中的最低值（一列中每个元素代表一张测试图片与所有训练图片的距离）。

$$

M_k(j)=\arg\min_iM_k(i,j),\forall i,j=1,...,T

$$

我们应用了两种连续性滤波器来对地点匹配的众多假设进行滤波。首先是空间连续性检查，检查是否有连续多个假设都是排在第一（即距离最短），在没有特定运动模型的情况下可以提供一个空间上的约束。具体而言，每一个地点匹配假设的描述值$p_k(j)$可由下式计算得到，其中$\epsilon$表示连续排名第一匹配的阈值，$d$表示回退时间间隔的大小，$j$表示当前的测试图像，只有当$p(j)=1$时，我们认为才是成功匹配。

$$

p_k(j)=1

$$$$

if |M_k(u-1)-M_k(u)|\leq\epsilon, \forall u\in[j-d,j], j=d,...,T

$$

图五展示了空间连续性检查的具体过程。这一空间约束在很大程度上减少了误匹配数。

顺序滤波器是SeqSLAM中原始运动滤波器，它的实现更为复杂。该滤波器只对每个局部序列前面的匹配进行线性拟合，而不是搜索所有匹配假设的相关对角线（在一个局部序列中仅用前面几个点拟合出一条直线），直线方程如下

$$

y=f(x)=\alpha_jx+\beta_j

$$

其中$\alpha$是线性模型的斜率同时也代表两次运行之间的速度比（训练集和测试集是在同一段路程分两次运行得到的），如图六所示，当地点匹配假设$F(j)$的速度比在参考速度比$\sigma$扫过的$\phi$范围内，则认为其通过了顺序测试。参数$\phi$扫过不同的值则可以产生一条PR曲线。如果提供里程计信息，顺序滤波将变得更加简单。

本文提出算法和SAD，FAB-MAP以及SeqSLAM比较结果如下图所示。在100%精度情况下，本文所提出的基于深度学习算法的召回率是85.7%，SeqSLAM的召回率是51%。图b、图c显示的是卷积神经网络每一层的PR曲线，可以看出中间层的性能最好。

实时性方面，利用标准CPU，在进行特征提取时，可以做到每秒10帧，在进行特征匹配时能够做到每秒2.5帧。图像识别cnn截图（全程离线，实时性是存在质疑的）

数据集问题，目前深度学习性能很吃数据集，可以建立地点识别专属数据集。

对于不同场景自动选择不同层的结果。

找到更好的用于地点识别的特征。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-58835-2.html