动态调节视觉地点识别序列长度以达到最低可接受性能场景
原文中文,约300字,阅读约需1分钟。发表于: 。使用校准数据集拟合模型,以覆盖目标定位性能,通过调整序列长度来最大化满足或超出目标性能的数据集部分的数量,同时最小化使用的中位长度。
该论文介绍了NYC-Indoor-VPR数据集,包含纽约市13个不同拥挤场景的超过36,000张图片。通过半自动标注方法,建立了视觉地点识别的基准,并对几种最先进的视觉地点识别算法进行了评估。
使用校准数据集拟合模型,以覆盖目标定位性能,通过调整序列长度来最大化满足或超出目标性能的数据集部分的数量,同时最小化使用的中位长度。
该论文介绍了NYC-Indoor-VPR数据集,包含纽约市13个不同拥挤场景的超过36,000张图片。通过半自动标注方法,建立了视觉地点识别的基准,并对几种最先进的视觉地点识别算法进行了评估。