論文の概要: SwitchHit: A Probabilistic, Complementarity-Based Switching System for
Improved Visual Place Recognition in Changing Environments
- arxiv url: http://arxiv.org/abs/2203.00591v1
- Date: Tue, 1 Mar 2022 16:23:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-02 14:57:36.098595
- Title: SwitchHit: A Probabilistic, Complementarity-Based Switching System for
Improved Visual Place Recognition in Changing Environments
- Title（参考訳）: SwitchHit: 環境変化における視覚的位置認識改善のための確率的相補性に基づくスイッチングシステム
- Authors: Maria Waheed, Michael Milford, Klaus McDonald-Maier and Shoaib Ehsan
- Abstract要約: あらゆる種類の環境で動作可能な普遍的なVPR技術は存在しない。
リソース制約のある組み込みプラットフォームでは,複数のVPRテクニックの並列実行が禁止される可能性がある。
本稿では,確率的相補性に基づくスイッチングVPRシステムであるSwitchHitを提案する。
- 参考スコア（独自算出の注目度）: 20.917586014941033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual place recognition (VPR), a fundamental task in computer vision and
robotics, is the problem of identifying a place mainly based on visual
information. Viewpoint and appearance changes, such as due to weather and
seasonal variations, make this task challenging. Currently, there is no
universal VPR technique that can work in all types of environments, on a
variety of robotic platforms, and under a wide range of viewpoint and
appearance changes. Recent work has shown the potential of combining different
VPR methods intelligently by evaluating complementarity for some specific VPR
datasets to achieve better performance. This, however, requires ground truth
information (correct matches) which is not available when a robot is deployed
in a real-world scenario. Moreover, running multiple VPR techniques in parallel
may be prohibitive for resource-constrained embedded platforms. To overcome
these limitations, this paper presents a probabilistic complementarity based
switching VPR system, SwitchHit. Our proposed system consists of multiple VPR
techniques, however, it does not simply run all techniques at once, rather
predicts the probability of correct match for an incoming query image and
dynamically switches to another complementary technique if the probability of
correctly matching the query is below a certain threshold. This innovative use
of multiple VPR techniques allow our system to be more efficient and robust
than other combined VPR approaches employing brute force and running multiple
VPR techniques at once. Thus making it more suitable for resource constrained
embedded systems and achieving an overall superior performance from what any
individual VPR method in the system could have by achieved running
independently.
- Abstract（参考訳）: コンピュータビジョンとロボティクスの基本的なタスクである視覚位置認識(VPR)は、主に視覚情報に基づいて場所を特定する問題である。
天候や季節による変化など、視点や外観の変化は、この課題を難しくしている。
現在、あらゆる種類の環境、様々なロボットプラットフォーム、そして幅広い視点と外観の変化の下で機能する普遍的なVPR技術は存在しない。
近年の研究では、特定のVPRデータセットの相補性を評価して、より優れたパフォーマンスを実現することにより、異なるVPRメソッドをインテリジェントに組み合わせる可能性を示している。
しかし、これは、ロボットが現実のシナリオにデプロイされたときに利用できない真実情報(正しい一致)を必要とする。
さらに、リソース制約のある組み込みプラットフォームでは、複数のVPRテクニックの並列実行が禁止される可能性がある。
これらの制約を克服するために,確率的相補性に基づくスイッチングVPRシステムであるSwitchHitを提案する。
提案手法は,複数のvpr技術から構成されるが,単にすべてのテクニックを同時に実行するのではなく,入力されたクエリ画像に対する正しいマッチング確率を予測し,クエリが一定の閾値以下であれば動的に別の補完手法に切り替える。
この革新的な複数のVPR技術の使用により、我々のシステムは、ブラト力と複数のVPR技術を同時に実行する他の組み合わせVPRアプローチよりも効率的で堅牢になる。
これにより、リソース制約のある組み込みシステムに適合し、システム内の個々のVPRメソッドが独立して動作させることで、全体的な優れたパフォーマンスを達成することができる。
関連論文リスト
- CricaVPR: Cross-image Correlation-aware Representation Learning for Visual Place Recognition [73.51329037954866]
視覚的位置認識のための画像間相関認識を用いたロバストなグローバル表現手法を提案する。
本手法では,バッチ内の複数の画像の相関にアテンション機構を用いる。
本手法は,訓練時間を大幅に短縮し,最先端の手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-02-29T15:05:11Z) - Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-02-25T13:22:17Z) - Multi-Technique Sequential Information Consistency For Dynamic Visual
Place Recognition In Changing Environments [23.33092172788319]
視覚的位置認識(VPR)は、ロボットナビゲーションとローカライゼーションシステムにおいて不可欠な要素である。
すべての環境条件において、単一のVPR技術が優れているわけではない。
我々はMulti-Sequential Information Consistency (MuSIC)と呼ばれるVPRシステムを提案する。
論文 参考訳（メタデータ） (2024-01-16T10:35:01Z) - AANet: Aggregation and Alignment Network with Semi-hard Positive Sample
Mining for Hierarchical Place Recognition [48.043749855085025]
視覚的位置認識(VPR)はロボット工学におけるホットスポットの一つで、視覚情報を用いてロボットの位置を特定する。
本稿では,アグリゲーションモジュールを介して候補を検索するためのグローバルな特徴を抽出できる統一ネットワークを提案する。
また、より堅牢なVPRネットワークをトレーニングするために、適切なハード正のイメージを選択するためのセミハード正のサンプルマイニング(ShPSM)戦略を提案する。
論文 参考訳（メタデータ） (2023-10-08T14:46:11Z) - ComPtr: Towards Diverse Bi-source Dense Prediction Tasks via A Simple
yet General Complementary Transformer [91.43066633305662]
本稿では,多種多様な二ソース密度予測タスクのためのアンダーラインComPlementaryアンダーライン変換器textbfComPtrを提案する。
ComPtrは異なる入力を等しく扱い、変換器上にシーケンス・ツー・シーケンスの形で効率的な密な相互作用モデルを構築する。
論文 参考訳（メタデータ） (2023-07-23T15:17:45Z) - A-MuSIC: An Adaptive Ensemble System For Visual Place Recognition In
Changing Environments [22.58641358408613]
視覚的位置認識(VPR)は、ロボットナビゲーションとローカライゼーションシステムにおいて不可欠な要素である。
すべての環境条件において、単一のVPR技術が優れているわけではない。
A-MuSIC(Adaptive Multi-Self Identification and Correction)と呼ばれる適応型VPRシステム
A-MuSICは、テストされたすべてのベンチマークデータセット間で最先端のVPRパフォーマンスにマッチまたは打ち勝つ。
論文 参考訳（メタデータ） (2023-03-24T19:25:22Z) - A Complementarity-Based Switch-Fuse System for Improved Visual Place
Recognition [19.14779092252812]
Switch-Fuseは、相補性に基づくVPR技術の変更の堅牢性と、慎重に選択したテクニックを融合させて性能を著しく向上させる力を組み合わせた興味深い方法である。
このシステムは2つの重要なプロセス(VPR技法の切り替えと融合)を組み合わせることで、ハイブリッドモデルと組み合わせることで、PR曲線を用いて示されるすべての主要なVPRデータセットのパフォーマンスを大幅に改善する。
論文 参考訳（メタデータ） (2023-03-01T18:19:10Z) - Diversity Through Exclusion (DTE): Niche Identification for
Reinforcement Learning through Value-Decomposition [63.67574523750839]
本稿では,多変量ニッチ環境におけるベースライン深度Q-ラーニングアルゴリズムよりも優れた汎用強化学習(RL)アルゴリズムを提案する。
この方法で訓練されたエージェントは、貧弱だが魅力ある局所最適化から逃れて、より高い価値戦略の発見を困難にすることを示します。
論文 参考訳（メタデータ） (2023-02-02T16:00:19Z) - Merging Classification Predictions with Sequential Information for
Lightweight Visual Place Recognition in Changing Environments [22.58641358408613]
低オーバーヘッド視覚的位置認識(VPR)は、非常に活発な研究トピックである。
モバイルロボティクスアプリケーションはローエンドのハードウェアの下で運用されることが多く、さらにハードウェア対応のシステムは、他のナビゲーションタスクのためにオンボードシステムリソースを解放することの恩恵を受けることができる。
この研究は、バイナリ重み付き分類器ネットワークと1次元畳み込みネットワークを組み合わせた新しいシステムの提案により、軽量なVPRに対処する。
論文 参考訳（メタデータ） (2022-10-03T11:42:08Z) - Exploring the Diversity and Invariance in Yourself for Visual
Pre-Training Task [192.74445148376037]
自己指導型学習法は視覚前訓練において顕著な成功を収めた。
これらの手法は、限られた領域のみに焦点を当てたり、抽出された特徴を各画像内の全く異なる領域に当てはめることはほぼ同じである。
本稿では,自身のE-DIYにおける多様性と不変性を探究する。
論文 参考訳（メタデータ） (2021-06-01T14:52:36Z) - VPR-Bench: An Open-Source Visual Place Recognition Evaluation Framework
with Quantifiable Viewpoint and Appearance Change [25.853640977526705]
VPRの研究は、カメラハードウェアの改善とディープラーニングベースの技術の可能性により、過去10年間で急速に成長してきた。
この成長は、特に性能評価に関する分野における断片化と標準化の欠如につながった。
本稿では,VPR技術の性能評価を行うオープンソースフレームワーク「VPR-Bench」を通じて,これらのギャップに対処する。
論文 参考訳（メタデータ） (2020-05-17T00:27:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。