基于深度全局特征和局部特征联合学习的NetVLAD图像位置识别方法

本发明公开了基于深度全局特征和局部特征联合学习的NetVLAD图像位置识别方法。离线阶段，首先，在目标区域内部署多个参考点并取90％和10％划分训练集和测试集；然后，利用ResNet‑50卷积神经网络的分层表示来学习局部和全局特征，通过最小化局部特征的交叉熵分类损失函数和全局特征的三元组损失函数来训练网络。在线阶段，将查询图片输入到网络中并提取全局特征，将其全局特征与离线数据库中的图像全局特征进行相似度计算并获得相似性排名，再提取查询图片的局部特征对相似性排名进行重排从而找到与查询最匹配的图像。最后，获取图片的GPS信息来实现位置识别。本发明专利利用卷积神经网络主干的浅层激活获取局部特征并指导相似性序列重排，提出了一种基于深度全局特征和局部特征联合学习的NetVLAD图像位置识别方法，在减少系统开销的同时保证了定位精度。