一种基于多级反馈联合表示学习的跨视角地理定位方法技术

本发明专利技术属于计算机视觉技术领域，公开了一种基于多级反馈联合表示学习的跨视角地理定位方法。建立跨视角地理定位网络，其为双分支架构，两个分支的基本架构相似并且swin‑b网络权重共享；每个分支由三个前向阶段构成，分别为特征提取、特征聚合和特征分类；在特征提取和特征聚合阶段，通过swin‑b网络、多级反馈网络和自适应区域消除策略实现；无人机视图图像和卫星视图图像分别输入至跨视角地理定位网络的各分支中，特征提取和特征聚合后，经分类器进行特征分类。在University‑1652数据集上进行测试，从实验结果可以证明发明专利技术所提出的网络模型性能优于目前最先进的算法，验证了算法的有效性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，尤其涉及一种基于多级反馈联合表示学习的跨视角地理定位方法。

技术介绍

1、跨视角地理定位旨在从不同视角或平台对相同地理目标的最相似图像进行匹配，其本质也可以理解为两个不同获取来源的图像检索任务。早期的跨视图地理定位任务主要研究地面全景图像与卫星影像的匹配问题。然而，这两个平台获取的图像的视点和成像方式存在很大的区别，地面视图近似和地平线垂直，而卫星视图近似和地面平行。因此，这将对跨视角地理定位任务带来巨大的挑战。此外，随着无人机技术的发展进一步扩大了跨视图地理定位的应用场景。目前，跨视图地理定位已在很多领域得到了广泛的应用，如：农业、无人机导航、事件检测和精准配送等。因此，研究无人机视角和卫星图视角地理定位具有重要意义。

2、文献《ieee transactions on circuits and systems for video technology,1–14,2023》通过跨维度交互捕获丰富的判别信息，获取多个特征表示，实现综合特征表示来提高模型性能。但是只关注图像中的全局信息，而忽视了图像中的其他周围信息也会对本文档来自技高网...

【技术保护点】

1.一种基于多级反馈联合表示学习的跨视角地理定位方法，其特征在于，建立跨视角地理定位网络，其为双分支架构，两个分支的基本架构相似并且swin-b网络权重共享；每个分支由三个前向阶段构成，分别为特征提取、特征聚合和特征分类；在特征提取和特征聚合阶段，通过swin-b网络、多级反馈网络和自适应区域消除策略实现；

2.根据权利要求1所述的基于多级反馈联合表示学习的跨视角地理定位方法，其特征在于，所述多级反馈网络输入为经swin-b网络提取的特征图；

3.根据权利要求2所述的基于多级反馈联合表示学习的跨视角地理定位方法，其特征在于，所述分级处理如下，图像级特征为完整全局特...

【技术特征摘要】

1.一种基于多级反馈联合表示学习的跨视角地理定位方法，其特征在于，建立跨视角地理定位网络，其为双分支架构，两个分支的基本架构相似并且swin-b网络权重共享；每个分支由三个前向阶段构成，分别为特征提取、特征聚合和特征分类；在特征提取和特征聚合阶段，通过swin-b网络、多级反馈网络和自适应区域消除策略实现；

2.根据权利要求1所述的基于多级反馈联合表示学习的跨视角地理定位方法，其特征在于，所述多级反馈网络输入为经swin-b网络提取的特征图；

3.根据权利要求2所述的基于多级反馈联合表示学习的跨视角地理定位方法，其特征在于，所述分级处理如下，图像级特征为完整全局特征图，部分级特征是在图像级...

【专利技术属性】
技术研发人员：张云洲，葛发蔚，王丽，张艺钟，张禧辰，齐曼，周泓宇，
申请(专利权)人：东北大学，
类型：发明
国别省市：