Year: 2024
Type: article
Abstract: 跨视角地理定位技术是计算机视觉领域中的重要问题之一，因其可在缺乏卫星定位环境中实现实时定位，一直受到图像配准、导航定位和图像检索等诸多领域的关注。传统的跨视角地理定位方法采用手工特征进行特征抽取，导致定位精度受限。随着深度学习技术的发展，深度学习的跨视角地理定位方法成为当前的主流技术。但由于跨视角地理定位任务涉及多个步骤、迁移知识广泛，因此本领域仍缺少相关综述。本文首次从跨视角地理定位任务框架的视角，对当前深度学习的跨视角地理定位方法进行全面综述。在问题概述的基础上，对数据预处理、深度学习网络、特征注意力模块和损失函数等技术的发展进行了归纳总结。通过对近百篇高影响力文献的梳理，本文总结出跨视角地理定位任务的特性和改进思路，有助于启发研究者设计新方法。此外，还在两个具有代表性的数据集上分别测试了10种不同深度学习的跨视角地理定位方法。从实验精度、模型的参数量和推理速度3个方面综合评估了现有方法的性能。最后，基于对上述跨视角地理定位方法的归纳分析，本文结合实际应用指出该领域存在的一些问题，并对未来发展趋势进行讨论，希望为该领域感兴趣的学者提供参考。
Source: Journal of Image and Graphics
DOI: 10.11834/jig.230858
Authors: Zhou Bowen, Li Yang, Ma Xinji, Miao Zhuang, Zhang Rui
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
Award: G2635353653
OpenAlex ID: W4407359320