一种用于基于学习的视觉定位的高效算法
An Efficient Algorithm for Learning-Based Visual Localization
AI总结：
本文针对GPS受限环境下的视觉定位问题，提出一种基于最优控制原理并利用Hessian对角信息估计的高效算法，以训练更强深度神经网络并加速优化收敛，在公开数据集上取得有竞争力的精度和泛化能力。
摘要：
本文研究全球定位系统（GPS）受限环境中的视觉定位问题，此类环境下计算资源通常有限。为在这些约束下实现高效且鲁棒的性能，我们提出了一种新算法。该算法源于最优控制原理（OCP），并引入Hessian矩阵的对角信息估计，从而训练出性能更高的深度神经网络并加速优化收敛。在公开数据集上的实验结果表明，最终模型取得了具有竞争力的定位精度，并展现出显著的泛化能力。本研究为开发高性能离线定位系统提供了新的思路。
英文摘要：
This paper addresses the visual localization problem in Global Positioning System (GPS)-denied environments, where computational resources are often limited. To achieve efficient and robust performance under these constraints, we propose a novel algorithm. The algorithm stems from the optimal control principle (OCP). It incorporates diagonal information estimation of the Hessian matrix, which results in training a higher-performance deep neural network and accelerates optimization convergence. Experimental results on public datasets demonstrate that the final model achieves competitive localization accuracy and exhibits remarkable generalization capability. This study provides new insights for developing high-performance offline positioning systems.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
