首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

首创!BEV-CV:用鸟瞰视角变换实现跨视角地理定位

因为航拍视角和地面视角之间有很大的差异,所以跨视角地理定位一直是一个难题。本文提出了一种新方法,可以利用地理参考图像进行定位,而不需要外部设备或昂贵的设备。现有的研究使用各种技术来缩小域间的差距,例如对航拍图像进行极坐标变换或在不同视角之间进行合成。然而,这些方法通常需要360°的视野,限制了它们的实际应用。我们提出了BEV-CV,这是一种具有两个关键创新的方法。首先,我们将地面级图像转换为语义鸟瞰图,然后匹配嵌入,使其可以直接与航拍分割表示进行比较。其次,我们在该领域首次引入了标准化温度缩放的交叉熵损失,实现了比标准三元组损失更快的收敛。BEV-CV在两个公开数据集上实现了最先进的召回精度,70°裁剪的特征提取Top-1率提高了300%以上,Top-1%率提高了约150%,对于方向感知应用,我们实现了70°裁剪的Top-1精度提高了35%。

01
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    航拍+AI识别,法国发现2w+未上税私人游泳池,可征税1000万欧元

    大数据文摘出品 今年全球经济形势都不太好,各国政府好像都挺缺钱的。 税收,就成了重中之重。 在欧元区国家,如果你想改善你的房屋,做一些可以提高房产的价值的改造,例如增加一个阁楼或游泳池,那么政府增加房主缴纳的税收。 比如,一个30平方米的游泳池可能会让你每年多交200欧元的税,人们被要求申报这些类型的改造。 当然,因为这是需要主动申报的,所以很多人都瞒着不报,以避免支付更多的税。 现在情况有了变化。 为了抓到修自己房子但是逃税的人,法国税务的9个部门测试了一款新系统,从航拍照片中自动找到未申报的游泳池。 法

    03

    YOLC 来袭 | 遥遥领先 !YOLO与CenterNet思想火花碰撞,让小目标的检测性能原地起飞,落地价值极大 !

    为了解决这些问题,作者提出了YOLC(You Only Look Clusters),这是一个高效且有效的框架,建立在 Anchor-Free 点目标检测器CenterNet之上。为了克服大规模图像和不均匀物体分布带来的挑战,作者引入了一个局部尺度模块(LSM),该模块自适应搜索聚类区域进行放大以实现精确检测。 此外,作者使用高斯Wasserstein距离(GWD)修改回归损失,以获得高质量的边界框。在检测Head中采用了可变形卷积和细化方法,以增强小物体的检测。作者在两个空中图像数据集上进行了大量实验,包括Visdrone2019和UAVDT,以证明YOLC的有效性和优越性。

    02

    无人机行业的“苹果”与“安卓”之争

    自从智能手机兴起之后,手机界就有了两大阵营,苹果与安卓,到底是封闭系统的苹果好,还是更自由的安卓好,各有支持者,难有定论。消费无人机火爆之后,无人机界也出现了类似的争论。 这种说法基于大疆的无人机产品,选择了像苹果一样的封闭系统,称作“闭源”。大疆之后,无人机行业里兴起“路线之争”的说法,就如同手机领域的苹果与安卓。 影响无人机系统的关键元件,是无人机的“大脑”飞控。飞控,即飞行控制系统,它由陀螺仪、GPS模块、加速器、地磁感应等组成。 无人机的开闭源系统有何区别,玩家陈章告诉记者:“出现故障时,开源系统的

    06
    领券