AmsterTime:重度ドメインシフトのための視覚的場所認識ベンチマークデータセット【JST・京大機械翻訳】

Yildiz Burak; Khademi Seyran; Siebes Ronald Maria; van Gemert Jan

プレプリント

J-GLOBAL ID：202202209265400796 整理番号：22P0322512

AmsterTime:重度ドメインシフトのための視覚的場所認識ベンチマークデータセット【JST・京大機械翻訳】

AmsterTime: A Visual Place Recognition Benchmark Dataset for Severe Domain Shift

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年06月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

著者らは,厳しいドメインシフトの存在下で,視覚位置認識(VPR)をベンチマークするための挑戦的なデータセットであるAmster時間を導入した。アムスタータイムは,アムステルダム市からの歴史的アーカイブ画像データに整合した街路ビューから同じシーンをマッチングする2,500のよく発生した画像の収集を提供する。画像対は,異なるカメラ,視点,および外観で同じ場所を捉える。既存のベンチマークデータセットと異なり,Amster TimeはGISナビゲーションプラットフォーム(Mapillary)で直接混雑する。検証および検索タスクの両者に対して,異なる関連データセット上で事前訓練された,非学習,教師つきおよび自己監督法を含む各種のベースラインを評価した。結果は,検証と検索タスクの両方に対して,それぞれ84%と24%で,ランドマークデータセットで事前訓練されたResNet-101モデルに対する最良の精度を信用する。さらに,分類タスクにおける特徴評価のために,Amsterdamランドマークの部分集合を収集した。分類ラベルをさらに用いて,深い計量学習モデルにおける学習類似視覚の検査のためにGrad-CAMを用いて視覚説明を抽出した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る