天候、季節、照明などの環境変化によって視覚的な場所認識の堅牢性が低下する問題に対し、視覚的な場所認識特徴記述子の環境耐性を向上させる多次元注意メカニズム―並列全次元動的注意メカニズム（POD-Attention）を提案した。畳み込みカーネルの全次元にわたる動的かつ精緻な探索を実現し、建物など不変な特徴の抽出および学習能力を強化するために、全次元動的畳み込みブロックを用いて畳み込みカーネルの全次元（入力・出力チャネル、畳み込み空間およびカーネル数）に補完的注意を加えた。1×1畳み込み、Skip Squeeze-and-Excitation（SSE）モジュールと全次元動的畳み込みブロックを並列に融合させることで、特徴抽出速度を効果的に向上させるだけでなく、視覚的場所認識ネットワークの受容野を拡大し、さらに視覚的場所の認識精度を向上させた。公開データセット上で行った実験により、VGG16およびPatch-NetVLAD特徴集約に基づく視覚的場所認識手法は、POD注意メカニズムによって改善され、NordlandおよびMapillary Street-Level SequencesデータセットにおけるRecall@1指標がそれぞれ9.7％および1.8％向上し、本論文のPOD注意メカニズムがネットワークの性能向上に寄与すること、および本POD注意メカニズムに基づく視覚的場所認識手法の有効性を十分に実証した。

視覚的場所認識;環境の堅牢性;深層学習;並列全次元動的注意メカニズム;並列戦略