SDPL: 无人机视角地理定位的移动稠密划分学习
原文中文，约300字，阅读约需1分钟。发表于：。跨视角地理定位，通过引入名为 Shifting-Dense Partition Learning（SDPL）的简单而有效的基于部分的表示学习方法，采用密集分区策略（DPS）和位移融合策略来解决外观和环境差异所带来的挑战，具有对位置位移和尺度变化鲁棒性，并在两个常用基准测试上取得竞争性性能，即 University-1652 和 SUES-200。
介绍了Shifting-Dense Partition Learning（SDPL）地理定位方法，通过密集分区策略（DPS）和位移融合策略解决外观和环境差异挑战，具有鲁棒性。在两个基准测试上表现出竞争性性能。
