.png){kind=icon}
返回
An efficient algorithm for learning-based visual localization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.109456.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了全球定位系统（GPS）拒止环境下的视觉定位问题。为实现高精度和鲁棒性的定位性能，本文提出了一种基于最优控制原理（OCP）的新型优化算法，该算法融合了对角Hessian信息估计。通过利用这种曲率信息，所提出的算法提高了深度神经网络的训练效率，并加速了优化收敛。理论上，该算法达到O(1/T)的收敛率。在公开数据集上的实验结果证明了本文方法的有效性。对于视觉定位任务，在Great Court场景中，与Adam算法相比，本文算法在位置精度上提升了33.71%，在旋转精度上提升了15.66%。类似地，在其他任务中也观察到一致的性能提升，表明了其强大的泛化能力。
Keyword:
Optimal control principle
Optimization problem
Hessian approximation
Visual localization
期刊
IF:
6.3
论文数:
8.3K
被引数:
3.6W
机构
引用论文
A Stochastic Estimator of the Trace of the Influence Matrix for Laplacian Smoothing Splines拉普拉斯平滑样条的影响矩阵迹线的随机估计
PREAI
分享收藏Instance-level 6D pose estimation based on multi-task parameter sharing for robotic grasping.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏 没有更多内容
没有更多内容