AAAI 2021 论文推荐丨DenserNet: Weakly Supervised Visual Localization Using Multi-scale Feature Aggregation

在本研究中，作者引入了一个用于视觉定位的密度特征网络（DenserNet）。作者的工作有三个主要贡献。

首先，作者开发了一种卷积神经网络（CNN）架构，它在不同语义层次上聚合feature map，用于图像表示。使用更密集的feature map，作者的方法可以产生更多的关键点特征，提高图像检索精度。其次，作者的模型是在没有像素级标注的情况下进行端到端训练的，除了正负GPS标记的图像对。作者使用弱监督的三重排序损失来学习判别性特征，并鼓励关键点特征重复性的图像表示。最后，由于作者的架构在计算过程中具有共享的特征和参数，因此该方法在计算上是高效的。作者的方法可以在具有挑战性的条件下进行精确的大规模定位，同时保持计算约束。

广泛的实验结果表明，作者的方法在4个具有挑战性的大规模定位基准和3个图像检索基准上达到了新的水平。