一种基于相似性约束深度哈希的两阶段地点识别方法

一种基于相似性约束深度哈希的两阶段地点识别方法，包括：首先，通过相似性约束深度哈希技术，在第一阶段利用紧凑的二进制哈希特征进行快速检索，显著降低内存占用并提高检索效率。接着，在第二阶段使用更高维的浮点型特征进行精确重新排序，确保识别结果的准确性。此外，结合相似性约束的量化损失和直通估计器(STE)，实现了含有量化操作的端到端训练，避免了梯度为零导致的参数更新问题。在多个数据集上的验证表明，本发明大幅降低了检索延迟和存储空间，同时显著提升了Rank‑1准确率和平均精度(mAP)，为移动机器人定位及增强现实等领域的应用提供了高效、准确的解决方案，具有重要的实际应用价值。