×
维塔塔斯·瓦莱提斯；弗吉尼亚州马尔金克维希乌斯；罗卡斯·朱列维希乌斯

使用三重网络学习航空图像相似性。 （英语） Zbl 07250753号

谢尔盖耶夫、雅罗斯拉夫D.（编辑）等人，《数值计算：理论和算法》。第三届国际会议，2019年6月15日至21日，意大利克罗托内，NUMTA 2019。修改选定的论文。第二部分。查姆：斯普林格。莱克特。注释计算。科学。11974, 195-207 (2020).
概述：无人飞行器（UAV）在卫星导航系统被拒绝的环境中面临定位挑战。从车载摄像机拍摄的图像可用于与正射影像图进行比较，以支持视觉定位算法。通过计算各种相似性度量可以实现图像相似性估计。在我们的实验中，皮尔逊相关被认为是评估区域图像相似性的最佳选择。Still对由飞机框架移动引起的图像位移不具有鲁棒性。我们提出了一种新的三重神经网络结构来学习图像相似性度量。该架构包含VGG16网络基础层。作者提出的顶层结构、损失函数和性能指标。图像与卫星照片中的地图相匹配。将所提出的神经网络结构的匹配结果与Pearson相关性进行了比较和评估。
关于整个系列，请参见[Zbl 1435.65017号].

MSC公司：

65-XX年 数值分析

关键词：

图像相似性；三重态损耗；神经网络；无人机定位

软件：

ImageNet公司；LFW公司；AlexNet公司；单词2vec；手套；FaceNet公司
PDF格式BibTeX公司 XML格式引用
\textit{V.Valaitis}等人，Lect。注释计算。科学。11974、195--207（2020；Zbl 07250753）
全文： 内政部

参考文献：

[1] Andreeva，E.，Ignatov，D.I.，Grachev，A.，Savchenko，A.V.：通过深度学习提取视觉特征以推荐产品。收录人：van der Aalst，W.M.P.等人（编辑）AIST 2018。LNCS，第11179卷，第201-210页。查姆施普林格（2018）。https://doi.org/10.1007/978-3-030-11027-7_20 ·doi:10.1007/978-3-030-11027-7_20
[2] 阿瑟诺，M.O.：三连冠失利。暹罗NN的更有效损失函数（2018）
[3] Banerjee，P.，Bhunia，A.K.，Bhattacharyya，A.，Roy，P.P.，Murala，S.：局部邻域强度模式：用于图像检索的新纹理特征描述符。CoRR（2017）
[4] Bojanowski，P.，Grave，E.，Joulin，A.，Mikolov，T.：用子单词信息丰富单词向量。arXiv预印arXiv:1607.04606（2016）
[5] Boyd，S.：应用线性代数向量、矩阵和最小二乘简介。剑桥大学出版社，剑桥（2018）·Zbl 1406.15001号 ·doi:10.1017/9781108583664
[6] Chang，Y.，Hsieh，C.，Chang，K.，Ringgaard，M.，Lin，C.：通过线性SVM训练和测试低阶多项式数据映射。J.马赫。学习。第11号决议，1471-1490（2010年）·Zbl 1242.68210号
[7] Church，K.W.，Hanks，P.：词汇关联规范，相互信息和词典编纂。计算。语言学家。16（1），22-29（1990）
[8] Dalal，N.，Triggs，B.：人体检测定向梯度直方图。摘自：计算机视觉与模式识别国际会议（CVPR 2005），第1卷，第886-893页。IEEE计算机学会（2005）
[9] Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li，K.，Fei Fei，L.：ImageNet：一个大规模的分层图像数据库。In:CVPR 2009（2009）
[10] Hadsell，R.，Chopra，S.，LeCun，Y.：通过学习不变映射降低维数。在：2006年IEEE计算机学会计算机视觉和模式识别会议（CVPR 2006），第2卷，第1735-1742页。IEEE（2006）
[11] He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。CoRR（2015）
[12] He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。摘自：IEEE计算机视觉和模式识别会议记录，第770-778页（2016）
[13] Huang，G.B.，Mattar，M.，Berg，T.，Learnd-Miller，E.：野外标记人脸：研究无约束环境中人脸识别的数据库。In:“现实生活”图像中的人脸：检测、对齐和识别研讨会（2008年）
[14] Jurevicius，R.，Marcinkevius，V.：基于视觉的粒子滤波和视觉里程计在无人机定位中的应用。收录于：WSCG 2017：《简短通信会议记录：2016年中欧第25届计算机图形、可视化和计算机视觉国际会议》，与EUROGRAPHICS合作：西波西米亚大学，Plzen，捷克共和国，2017年5月29日至6月2日，第67-71页。Václav Skala-联合国机构（2017年）
[15] Jurevičius，R.、Marcinkevićius、V.、Šeibokas，J.：使用粒子滤波和视觉里程计对无人机进行稳健的GNSS增强定位。机器。视觉。申请。30(7-8), 1181-1190 (2019). https://doi.org/10.1007/s00138-019-01046-4。ISSN 0932-8092。eISSN 1432-1769·doi:10.1007/s00138-019-01046-4
[16] Koch，G.，Zemel，R.，Salakhutdinov，R.：用于一次性图像识别的暹罗神经网络。In:ICML深度学习研讨会，第2卷（2015）
[17] Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：基于深度卷积神经网络的Imagenet分类。摘自：Pereira，F.、Burges，C.J.C.、Bottou，L.、Weinberger，K.Q.（编辑）《神经信息处理系统进展》25，第1097-1105页。纽约Curran Associates公司（2012年）
[18] Lowe，D.G.等人：从局部尺度不变特征识别物体。收录于：ICCV，第99卷，第2期，第1150-1157页（1999年）
[19] Mikolov，T.、Sutskever，I.、Chen，K.、Corrado，G.S.、Dean，J.：单词和短语的分布式表示及其组成。摘自：Burges，C.J.C.、Bottou，L.、Welling，M.、Ghahramani，Z.、Weinberger，K.Q.（编辑）《神经信息处理系统进展》26，第3111-3119页。纽约Curran Associates公司（2013年）
[20] Pennington，J.，Socher，R.，Manning，C.D.：手套：单词表示的全局向量。致：EMNLP（2014）
[21] Schroff，F.，Kalenichenko，D.，Philbin，J.：脸网：人脸识别和聚类的统一嵌入。CoRR（2015）
[22] Sergeyev，Y.D.，Kvasov，D.E.，Mukhametzhanov，M.S.：关于自然启发元启发式在预算有限的昂贵全局优化中的效率。科学。代表8，第453条（2018年）
[23] Szegedy，C.等人：卷积更深入。CoRR（2014）
[24] Taylor，G.W.，Spiro，I.，Bregler，C.，Fergus，R.：通过模仿学习不变性。收录于：CVPR 2011，第2729-2736页。IEEE（2011）
[25] Ustinova，E.，Lempitsky，V.：学习直方图丢失的深度嵌入。收录：Lee，D.D.，Sugiyama，M.，Luxburg，U.V.，Guyon，I.，Garnett，R.（编辑）《神经信息处理系统进展》29，第4170-4178页。Curran Associates，Inc.，纽约（2016）
[26] Wang，J.等：通过深度排名学习细粒度图像相似性。CoRR（2014）
[27] Wolf，L。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。