基于YOLOv3算法和深度特征的地点识别方法

摘要：

针对视点、外观等因素变化给地点识别应用带来的不利影响,设计了1种基于显著路标及深度特征的地点识别方法.首先分割图像中的显著物体作为候选路标;然后设计YOLOv3算法网络,对候选路标进行识别,以删除不适合环境建模的特定对象类型;最后在图像相似度测量中,利用中层卷积层的性能特点,提取候选路标的卷积神经网络(convolutional neural networks,CNN)特征,并结合降维操作,提升匹配效率.在3个具有挑战性的公开数据集上进行了试验,与FAB-MAP、SeqSLAM和Place-CNN等先进方法进行了比较,该方法的平均识别精度达到71.22％,优于其他3种方法,表明经过筛选的显著路标的CNN特征可以抵御强烈的视点和外观变化.

关键词：CNN特征;动态环境;显著性检测;移动机器人;地点识别

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;江苏省青蓝工程项目;常州市重点实验室项目;常州信息职业技术学院校级科技平台项目

在线出版日期：2021-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：733-737